당신은 네트워크 보드와 작업을 시도하지 않았습니다. 예를 들어, 솔루션을 명확히 하기 위해 3 또는 5를 사용합니다.
또는 한 쌍의 네트워크: 하나는 위만 추측하고 두 번째는 아래로만 추측합니다.
그건 그렇고, 왜 정확히 3 (또는 5, 나는 혼란스러워 ;) ) 입력 뉴런. 방금 4, 7 또는 15개의 입력이 있는 네트워크를 만났습니다. :)
추신
실험을 좀 했습니다. 전체 이야기를 기억하고 현재와 가장 유사한 상황을 찾았습니다.
벡터 거리 방법(정규화된 벡터, 물론)에 의해. 역사는 60%의 경우에 반복됩니다. :)
그러나 모든 것은 여전히 예측 범위와 벡터의 길이에 달려 있습니다.
아니오, 정확하지 않습니다. 그리드는 파란색으로 표시된 것의 10-15%를 추측합니다. 훈련 샘플은 빨간색으로 표시됩니다. 나는 네트워크 위원회를 사용하지 않습니다. 아직 필요성을 느끼지 못했습니다. 고립된 NN의 예측 능력이 충분하지 않다면 위원회와 협력할 것입니다.
그건 그렇고, 과도하게 도달하는 것과 관련하여. n 단계 후에 NN을 재교육하는 것이 예측 범위를 n배 늘리는 것과 같다는 것을 엄격하게 보여줄 수 있습니다. 이것의 결과는 NN의 예측 능력 증가의 거듭제곱 법칙 의존성입니다. 따라서 예를 들어 NN이 훈련 직후 가격 움직임 방향의 부호의 10%를 정확하게 예측했다면 NN이 단계를 통해 훈련될 때 예측의 신뢰도는 2에서 3까지, 1%로 떨어집니다. 0.1% 등 그리고 이것은 의학적 사실입니다! 가격 유형의 시계열에 대해 각 단계의 재교육이 매우 관련성이 있음이 분명합니다.
아니오, 정확하지 않습니다. 그리드는 파란색으로 표시된 것의 10-15%를 추측합니다. 훈련 샘플은 빨간색으로 표시됩니다. 나는 네트워크 위원회를 사용하지 않습니다. 아직 필요성을 느끼지 못했습니다. 고립된 NN의 예측 능력이 충분하지 않다면 위원회와 협력할 것입니다.
그건 그렇고, 과도하게 도달하는 것과 관련하여. n 단계 후에 NN을 재교육하는 것이 예측 범위를 n배 늘리는 것과 같다는 것을 엄격하게 보여줄 수 있습니다. 이것의 결과는 NN의 예측 능력 증가의 거듭제곱 법칙 의존성입니다. 따라서 예를 들어 NN이 훈련 직후 가격 움직임 방향의 부호의 10%를 정확하게 예측했다면 NN이 단계를 통해 훈련될 때 예측의 신뢰도는 2에서 3까지, 1%로 떨어집니다. 0.1% 등 그리고 이것은 의학적 사실입니다! 가격 유형의 시계열에 대해 각 단계의 재교육이 매우 관련성이 있음이 분명합니다.
당신은 정말로 무언가를 예측할 수 있었습니까, 아니면 구경꾼 앞에서 물을 붓고 있습니까? 그렇다면 신경과학의 결과물로 얼마나, 무엇을, 무엇을 사용합니까? 시리즈의 예측 가능성을 연구했습니까? 또한, 당신은 내 질문에 대답하지 않았습니다. 통화가 특정 기간 동안 한 방향 또는 다른 방향으로 얼마나 움직일지 알지 못하고 어떻게 거래합니까?
Desperado, 웨이블릿은 약한 근사기에 속하며 예를 들어 SSA와 같은 예측에 사용하고 스펙트럼 분석, 회귀 및 기타 프릴이 있는 통계에 사용하는 것은 그리 좋지 않습니다.
당신은 정말로 무언가를 예측할 수 있었습니까, 아니면 구경꾼 앞에서 물을 붓고 있습니까? 그렇다면 신경과학의 결과물로 얼마나, 무엇을, 무엇을 사용합니까? 시리즈의 예측 가능성을 연구했습니까? 또한, 당신은 내 질문에 대답하지 않았습니다. 통화가 특정 기간 동안 한 방향 또는 다른 방향으로 얼마나 움직일지 알지 못하고 어떻게 거래합니까?
Desperado, 웨이블릿은 약한 근사기에 속하며 예를 들어 SSA와 같은 예측에 사용하고 스펙트럼 분석, 회귀 및 기타 프릴이 있는 통계에 사용하는 것은 그리 좋지 않습니다.
예를 들어, 허스트 지수 는 시장의 상태와 예측 가능성의 순간에 대한 좋은 평가를 제공합니다.
Hurst 지수는 VR에 존재하는 내부 비선형 패턴을 드러내지 않으며, 적분 지표이며 초기 VR의 첫 번째 차이의 시리즈에서 인접 판독값 간의 상관 계수에 강한 친화력을 갖습니다(이는 입증될 수 있음 엄격하게). 따라서 이 특성을 사용하여 구축할 수 있는 모든 것은 1차 자기회귀 모델 또는 그 파생물입니다. 위에서 정확히 지적했듯이 국회의 장치를 사용하여 해결되는 문제는 더 광범위하고 선형 자기회귀 모델에 국한되지 않으며 숨겨진 패턴을 평가하는 방법에 대해 이야기하면 물론 이것은 HRP가 아닙니다. 나는 최근에 실제 금융 상품의 예측 가능성에 대한 정량적 측정의 " 박스 카운팅 " 방법을 다루었는데, 비슷한 것에 대해 이야기해야 한다고 생각합니다.
그리고 누가 Forex에 숨겨진 패턴이 있다고 말했습니까? :) 거기에 있는 모든 것이 똑같이 열려 있고 접근할 수 있습니다. 또 다른 것은 시리즈에 대한 심층 연구를 위한 정보가 충분한지 여부입니다. 그러나 이것은 이미 펀더멘털 분석에 더 많이 적용됩니다. 기술적 분석의 관점에서 모든 것이 눈앞에 있고 모든 것이 가능합니다.
30%의 경우에 네트워크가 방향을 추측한다는 것을 그림에서 올바르게 이해 했습니까?
당신은 네트워크 보드와 작업을 시도하지 않았습니다. 예를 들어, 솔루션을 명확히 하기 위해 3 또는 5를 사용합니다.
또는 한 쌍의 네트워크: 하나는 위만 추측하고 두 번째는 아래로만 추측합니다.
그건 그렇고, 왜 정확히 3 (또는 5, 나는 혼란스러워 ;) ) 입력 뉴런. 방금 4, 7 또는 15개의 입력이 있는 네트워크를 만났습니다. :)
추신
실험을 좀 했습니다. 전체 이야기를 기억하고 현재와 가장 유사한 상황을 찾았습니다.
벡터 거리 방법(정규화된 벡터, 물론)에 의해. 역사는 60%의 경우에 반복됩니다. :)
그러나 모든 것은 여전히 예측 범위와 벡터의 길이에 달려 있습니다.
아니오, 정확하지 않습니다. 그리드는 파란색으로 표시된 것의 10-15%를 추측합니다. 훈련 샘플은 빨간색으로 표시됩니다. 나는 네트워크 위원회를 사용하지 않습니다. 아직 필요성을 느끼지 못했습니다. 고립된 NN의 예측 능력이 충분하지 않다면 위원회와 협력할 것입니다.
그건 그렇고, 과도하게 도달하는 것과 관련하여. n 단계 후에 NN을 재교육하는 것이 예측 범위를 n배 늘리는 것과 같다는 것을 엄격하게 보여줄 수 있습니다. 이것의 결과는 NN의 예측 능력 증가의 거듭제곱 법칙 의존성입니다. 따라서 예를 들어 NN이 훈련 직후 가격 움직임 방향의 부호의 10%를 정확하게 예측했다면 NN이 단계를 통해 훈련될 때 예측의 신뢰도는 2에서 3까지, 1%로 떨어집니다. 0.1% 등 그리고 이것은 의학적 사실입니다! 가격 유형의 시계열에 대해 각 단계의 재교육이 매우 관련성이 있음이 분명합니다.
아니오, 정확하지 않습니다. 그리드는 파란색으로 표시된 것의 10-15%를 추측합니다. 훈련 샘플은 빨간색으로 표시됩니다. 나는 네트워크 위원회를 사용하지 않습니다. 아직 필요성을 느끼지 못했습니다. 고립된 NN의 예측 능력이 충분하지 않다면 위원회와 협력할 것입니다.
그건 그렇고, 과도하게 도달하는 것과 관련하여. n 단계 후에 NN을 재교육하는 것이 예측 범위를 n배 늘리는 것과 같다는 것을 엄격하게 보여줄 수 있습니다. 이것의 결과는 NN의 예측 능력 증가의 거듭제곱 법칙 의존성입니다. 따라서 예를 들어 NN이 훈련 직후 가격 움직임 방향의 부호의 10%를 정확하게 예측했다면 NN이 단계를 통해 훈련될 때 예측의 신뢰도는 2에서 3까지, 1%로 떨어집니다. 0.1% 등 그리고 이것은 의학적 사실입니다! 가격 유형의 시계열에 대해 각 단계의 재교육이 매우 관련성이 있음이 분명합니다.
당신은 정말로 무언가를 예측할 수 있었습니까, 아니면 구경꾼 앞에서 물을 붓고 있습니까? 그렇다면 신경과학의 결과물로 얼마나, 무엇을, 무엇을 사용합니까? 시리즈의 예측 가능성을 연구했습니까? 또한, 당신은 내 질문에 대답하지 않았습니다. 통화가 특정 기간 동안 한 방향 또는 다른 방향으로 얼마나 움직일지 알지 못하고 어떻게 거래합니까?
Desperado, 웨이블릿은 약한 근사기에 속하며 예를 들어 SSA와 같은 예측에 사용하고 스펙트럼 분석, 회귀 및 기타 프릴이 있는 통계에 사용하는 것은 그리 좋지 않습니다.
시리즈의 예측 가능성을 연구했습니까? 또한, 당신은 내 질문에 대답하지 않았습니다. 통화가 특정 기간 동안 한 방향 또는 다른 방향으로 얼마나 움직일지 알지 못하고 어떻게 거래합니까?
귀하의 모든 의견에 대해 아직 말이 없지만 시리즈의 예측 가능성에 대해 이것은 흥미로운 점입니다. 명시된 평가에 대한 알고리즘(아이디어, 아이디어)이 있습니까?
당신은 정말로 무언가를 예측할 수 있었습니까, 아니면 구경꾼 앞에서 물을 붓고 있습니까? 그렇다면 신경과학의 결과물로 얼마나, 무엇을, 무엇을 사용합니까? 시리즈의 예측 가능성을 연구했습니까? 또한, 당신은 내 질문에 대답하지 않았습니다. 통화가 특정 기간 동안 한 방향 또는 다른 방향으로 얼마나 움직일지 알지 못하고 어떻게 거래합니까?
Desperado, 웨이블릿은 약한 근사기에 속하며 예를 들어 SSA와 같은 예측에 사용하고 스펙트럼 분석, 회귀 및 기타 프릴이 있는 통계에 사용하는 것은 그리 좋지 않습니다.
비밀이 아니라면 무엇을 사용하는 것이 좋을까요?
귀하의 모든 의견에 대해 아직 말이 없지만 시리즈의 예측 가능성에 대해 이것은 흥미로운 점입니다. 명시된 평가에 대한 알고리즘(아이디어, 아이디어)이 있습니까?
예를 들어, 허스트 지수는 시장의 상태와 예측 가능성의 순간에 대한 좋은 평가를 제공합니다.
비밀이 아니라면 무엇을 사용하는 것이 좋을까요?
이것은 비밀과 거리가 멀다. 비선형 동적 모델에는 신경망, GMDH 및 방사형 기저 기능이 포함됩니다. 예, 많은 것들이 이미 만들어졌습니다.
예를 들어, 허스트 지수 는 시장의 상태와 예측 가능성의 순간에 대한 좋은 평가를 제공합니다.
Hurst 지수는 VR에 존재하는 내부 비선형 패턴을 드러내지 않으며, 적분 지표이며 초기 VR의 첫 번째 차이의 시리즈에서 인접 판독값 간의 상관 계수에 강한 친화력을 갖습니다(이는 입증될 수 있음 엄격하게). 따라서 이 특성을 사용하여 구축할 수 있는 모든 것은 1차 자기회귀 모델 또는 그 파생물입니다. 위에서 정확히 지적했듯이 국회의 장치를 사용하여 해결되는 문제는 더 광범위하고 선형 자기회귀 모델에 국한되지 않으며 숨겨진 패턴을 평가하는 방법에 대해 이야기하면 물론 이것은 HRP가 아닙니다. 나는 최근에 실제 금융 상품의 예측 가능성에 대한 정량적 측정의 " 박스 카운팅 " 방법을 다루었는데, 비슷한 것에 대해 이야기해야 한다고 생각합니다.
그리고 누가 Forex에 숨겨진 패턴이 있다고 말했습니까? :) 거기에 있는 모든 것이 똑같이 열려 있고 접근할 수 있습니다. 또 다른 것은 시리즈에 대한 심층 연구를 위한 정보가 충분한지 여부입니다. 그러나 이것은 이미 펀더멘털 분석에 더 많이 적용됩니다. 기술적 분석의 관점에서 모든 것이 눈앞에 있고 모든 것이 가능합니다.
또 다른 것은 시리즈에 대한 심층 연구를 위한 정보가 충분한지 여부입니다.
그런 것이 있습니다. 또한, 충분하다면 더 이상 구식이고 쓸모없는 것으로 판명되지 않는다는 사실이 아닙니다 ... 간단히 말해서 타협 만!
그리고 누가 당신의 예측 시스템에서 기본 분석을 사용하는 것을 막고 있습니까? 예를 들어 SaxoTrader의 뉴스는 실시간으로 전달됩니다.