"곡선 비율"이 12와 같다는 사실에 관해서는 큰 의문점이 있습니다. 이 TF에서 종가 곡선의 "길이"를 비교하십시오. 시뮬레이션 실험 전에는 sqrt( 12 ) 배 정도 차이가 나야 한다고 생각했습니다. 원칙적으로 이것은 대략적인 경우이지만 여전히 차이가 있습니다(특히 기간이 매우 다른 경우). 아마도 여기 Hurst가 팠을 것입니다. 다음은 코드입니다(_bars - 짧은 기간의 기록 막대 수):
externint _grosserPeriod =PERIOD_H1;externint _lesserPeriod =PERIOD_M5;externint _bars =100000;int lesser2grosser (int sh ){int dt =iTime(NULL, _lesserPeriod , sh );return(iBarShift(NULL, _grosserPeriod , dt ,false));}double len (int from ,int period ){double sum =0;for(int i =0; i < from ; i ++)
sum +=MathAbs(iClose(NULL, period , i )-iClose(NULL, period , i +1));return( sum );}int start (){double ratio = len ( _bars , _lesserPeriod )/ len ( lesser2grosser ( _bars ), _grosserPeriod );double ratioSquared = ratio * ratio ;int periodsRatio = _grosserPeriod / _lesserPeriod ;double one = ratioSquared / periodsRatio ;Print("one equals "+ one );return(0);}//+------------------------------------------------------------------+
안녕 알렉세이 ! 어떤 종류의 곡선을 말하는지 이해가 되지 않는 부분이 있습니까? 어렵지 않다면 설명 부탁드립니다.
그건 그렇고, 당신은 어떻게 fibs?
YDzh에게 나는 시간 프레임을 전혀 선호하지 않습니다... 없음. 나는이 수준의 지식과 기술에서 나에게이 악이 불가피하기 때문에 그것을 사용합니다. 그러나 실험 결과가 있습니다.
내 그리드에는 입력 수와 훈련 에포크 수라는 두 가지 외부 매개변수만 있습니다. 그리드는 단일 레이어, 자가 학습, OPEN 과의 첫 번째 차이점 시리즈에서 작동합니다. 그래서 Neutron 이 말했듯이 "내 여자 친구"가 이 두 매개 변수의 중첩에 대한 강한 약물 의존성을 의심하여 어제 그녀를 최적화 프로그램에 넣었습니다.
최적화 프로그램은 약 1시간 동안 그의 두뇌를 바스락거리며 8개만 내놓았습니다! 결과. 그 중 최고를 보기는 어렵지 않았다. 그러나 TF 30에는 결과가 없습니다. 저것들. (100개 이내) 입력의 수(주어진 그리드에 대해)와 그리드가 병합되지 않는 훈련 에포크의 수가 없습니다. 따라서 수사학적 질문: "... H4보다 M5에서 더 나을 것인가, 그렇지 않을 것인가"는 일반 상대성 이론에 비추어 배타적으로 고려되어야 합니다. 누구를 위해 (무엇을) ... 그것은 무엇입니까? 내 그리드의 경우에는 그렇지 않을 것입니다. 물론, 하지만 당신의 경우에는 아마도 가장 ...
이제 나는 두 번째 퍼프에 대한 통계를 만지작거리고 있습니다. 따옴표에서 NN은 가중치가 epoch에서 epoch로 유지되는 경우 예상되는 움직임의 부호를 훨씬 더 잘 결정하는 것으로 나타났습니다. 실험 결과에 따르면 대략 20% 대 23%의 정확한 추측이 나옵니다. 물론 그 차이가 크지는 않지만 이 비율이 차의 수익성에 4도까지 포함된다는 점을 감안하면... - 그만한 가치가 있다. epoch에서 epoch까지의 가중치가 w=g*th(w) 를 통과하면 효과가 두드러집니다. 여기서 g 는 1이 아닌 0.005 정도의 계수입니다.
epoch에서 epoch까지의 가중치가 g*th()를 통해 전달되면 효과가 두드러집니다. 여기서 g는 0.005 정도의 계수입니다.
여기서 저는 가중치 변경에 대한 아주 명확한 "경계"가 있다는 것을 한 곳에서 느낍니다... 그러나 이 모든 것을 적절하게 공식화하기에는 지식이 충분하지 않습니다. 저것들. 이 "장소"에서 나는 가중치가 숫자 축에서 가중치(특정 뉴런의) 상대적 위치만큼 중요하지 않다는 것을 알고 있습니다. D 입력이 있는 단일 a 뉴런이 원칙적으로 (주어진 벡터에서) 훈련 가능한 경우 가중치 -/+1 또는 +/-U 범위에서 최적의 방식으로 훈련될 수 있습니다. 여기서 U = F(D ). 그러면 완전히 다른 "생물학적" 학습 패러다임이 나타날 수 있습니다. 이것에 대한 나의 직관은 g*th()를 사용한 결과에 의해 부분적으로 확인되었습니다. 사실, 신기원에서 신기원으로 모든 가중치를 어떤 경험적 가치의 실속으로 몰아넣고 숫자 축의 범위를 따라 퍼지도록 허용하지 않습니다.
가능하지만 편리하지 않기 때문입니다. Comment()에 대한 각 후속 호출은 이전 출력과 동일한 그래픽 좌표에서 생성되기 때문에 이전 출력의 결과를 "막히게" 합니다. 따라서 Print();
paralocus , Matkad를 직접 설치하고 인터페이스에 대해 걱정하지 마십시오. 그리드를 디버그하고 MKL에서 이미 작동하도록 설정합니다!
실제로 새로운 환경에 대한 적응을 고려하더라도 시간을 절약할 수 있습니다.
어제 방금 샀습니다. 지금 넣었으니까. 용감한 MQL이 특별히 도청되었습니다!
그러나 가중치 덤프로 판단되는 그리드는 3개의 에포크 동안 학습하기 시작했으며 결함이 없는 것 같습니다.
-------------------------------------------------- -------------------------------------------------- --------------------
웨이트 덤프
-------------------------------------------------- -------------------------------------------------- --------------------
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.17062009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647| 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647| 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647| 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 |0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: -0.1 | 6.0564 | 1.1419 | 0.1999 | 0.2118 |-0.11 | -0.821 | -0.4656 | -0.1458 | -0.037 |0.0564 | 0.7267 | -0.1584
2009.05.22 18:17:48 Nero AUDUSD,M30: 여: 0.1164 | 3.5091 | 1.2495 | 0.3147 | 0.3362 |0.0168 | -0.6902 | -0.8039 | -0.0126 | 0.0312 |0.1206 | 0.8339 | -0.0615
모두! 마트카드 세트. 주말에 만나요.
중성자 , "...하지만 여전히 회전합니다!" . 단일 레이어로 작동합니다. 나는 방금 그녀에게 M30에 대해 교육하려고 노력했고 거기에서 - 당신 자신이 "패턴"이 무엇인지 알고 있습니다.
하지만 H4에서 - 무슨 일이 일어나는지 보세요. 그리고 흥미롭게도 입력 수와 에포크 수에 주의하십시오.
여기서 D = 7, 24 Epoch:
그리고 여기서 D = 5, 또한 24 Epoch:
아니요, Petka는 마당의 모든 덤불을 꺼냈습니다. 그들은 제곱근을 찾도록 요청했습니다 :-)
그리고 Vasily Ivanovich는 세이버를 날카롭게하고있었습니다. 그들은 단항식을 다항식으로 나누도록 요청했습니다 ...
모두! 마트카드 세트. 주말에 만나요.
중성자 , "...하지만 여전히 회전합니다!" . 단일 레이어로 작동합니다. 나는 방금 그녀에게 M30에 대해 교육하려고 노력했고 거기에서 - 당신 자신이 "패턴"이 무엇인지 알고 있습니다.
하지만 H4에서 - 무슨 일이 일어나는지 보세요. 그리고 흥미롭게도 입력 수와 에포크 수에 주의하십시오.
여기서 D = 7, 24 Epoch:
그리고 여기서 D = 5, 또한 24 Epoch:
성공하셨다니 축하드립니다!
사실, 당신은 M30에서 소음을 일으키면 안됩니다 ... 아이디어가 작동하면 M5에서도 작동합니다. 그리고 또 다른 질문은 M5의 총 결과가 H4보다 높을지 여부입니다. 나는 최근에 H1과 M5를 비교했습니다. 그리고 시간 요소는 아시다시피 12입니다...
M1에서는 합리적인 결과를 얻지 못했습니다.
나는 최근에 H1과 M5를 비교했습니다. 그리고 시간 요소는 아시다시피 12입니다...
"곡선 비율"이 12와 같다는 사실에 관해서는 큰 의문점이 있습니다. 이 TF에서 종가 곡선의 "길이"를 비교하십시오. 시뮬레이션 실험 전에는 sqrt( 12 ) 배 정도 차이가 나야 한다고 생각했습니다. 원칙적으로 이것은 대략적인 경우이지만 여전히 차이가 있습니다(특히 기간이 매우 다른 경우). 아마도 여기 Hurst가 팠을 것입니다. 다음은 코드입니다(_bars - 짧은 기간의 기록 막대 수):
안녕 알렉세이 ! 어떤 종류의 곡선을 말하는지 이해가 되지 않는 부분이 있습니까? 어렵지 않다면 설명 부탁드립니다.
그건 그렇고, 당신은 어떻게 fibs?
YDzh에게 나는 시간 프레임을 전혀 선호하지 않습니다... 없음. 나는이 수준의 지식과 기술에서 나에게이 악이 불가피하기 때문에 그것을 사용합니다. 그러나 실험 결과가 있습니다.
내 그리드에는 입력 수와 훈련 에포크 수라는 두 가지 외부 매개변수만 있습니다. 그리드는 단일 레이어, 자가 학습, OPEN 과의 첫 번째 차이점 시리즈에서 작동합니다. 그래서 Neutron 이 말했듯이 "내 여자 친구"가 이 두 매개 변수의 중첩에 대한 강한 약물 의존성을 의심하여 어제 그녀를 최적화 프로그램에 넣었습니다.
최적화 프로그램은 약 1시간 동안 그의 두뇌를 바스락거리며 8개만 내놓았습니다! 결과. 그 중 최고를 보기는 어렵지 않았다. 그러나 TF 30에는 결과가 없습니다. 저것들. (100개 이내) 입력의 수(주어진 그리드에 대해)와 그리드가 병합되지 않는 훈련 에포크의 수가 없습니다. 따라서 수사학적 질문: "... H4보다 M5에서 더 나을 것인가, 그렇지 않을 것인가"는 일반 상대성 이론에 비추어 배타적으로 고려되어야 합니다. 누구를 위해 (무엇을) ... 그것은 무엇입니까? 내 그리드의 경우에는 그렇지 않을 것입니다. 물론, 하지만 당신의 경우에는 아마도 가장 ...
이제 나는 두 번째 퍼프에 대한 통계를 만지작거리고 있습니다. 따옴표에서 NN은 가중치가 epoch에서 epoch로 유지되는 경우 예상되는 움직임의 부호를 훨씬 더 잘 결정하는 것으로 나타났습니다. 실험 결과에 따르면 대략 20% 대 23%의 정확한 추측이 나옵니다. 물론 그 차이가 크지는 않지만 이 비율이 차의 수익성에 4도까지 포함된다는 점을 감안하면... - 그만한 가치가 있다. epoch에서 epoch까지의 가중치가 w=g*th(w) 를 통과하면 효과가 두드러집니다. 여기서 g 는 1이 아닌 0.005 정도의 계수입니다.
epoch에서 epoch까지의 가중치가 g*th()를 통해 전달되면 효과가 두드러집니다. 여기서 g는 0.005 정도의 계수입니다.
여기서 저는 가중치 변경에 대한 아주 명확한 "경계"가 있다는 것을 한 곳에서 느낍니다... 그러나 이 모든 것을 적절하게 공식화하기에는 지식이 충분하지 않습니다. 저것들. 이 "장소"에서 나는 가중치가 숫자 축에서 가중치(특정 뉴런의) 상대적 위치만큼 중요하지 않다는 것을 알고 있습니다. D 입력이 있는 단일 a 뉴런이 원칙적으로 (주어진 벡터에서) 훈련 가능한 경우 가중치 -/+1 또는 +/-U 범위에서 최적의 방식으로 훈련될 수 있습니다. 여기서 U = F(D ). 그러면 완전히 다른 "생물학적" 학습 패러다임이 나타날 수 있습니다. 이것에 대한 나의 직관은 g*th()를 사용한 결과에 의해 부분적으로 확인되었습니다. 사실, 신기원에서 신기원으로 모든 가중치를 어떤 경험적 가치의 실속으로 몰아넣고 숫자 축의 범위를 따라 퍼지도록 허용하지 않습니다.