나는 그것이 정확히 당신이 묻는 것이라고 생각합니다. 왜냐하면. 구체적으로 말씀드릴 수 없습니다.
나는 아무것도 요구하지 않습니다. 그리고 그는 묻지 않았습니다.
똑같이 썼습니다 - 알고리즘 자체를 제공할 필요가 없습니다. 당신은 나에게 그의 작업의 결과를 줄 수 있습니다, 나는 결과를 테스트합니다. 그리고 그러한 알고리즘에서 무언가를 얻을 수 있는지 알려 드리겠습니다. 이것은 부탁인가 부탁인가? 그것은 주로 인식 알고리즘의 작성자에게 이익이 되는 것을 목표로 한 제안이었습니다. 누군가가 정상적인 인식기를 만들 수는 있지만 수익으로 전환할 수 없다면(어려워!) 다른 개발자와 직접 협력해야 합니다.
여기에서 인식 신호가 있는 파일을 던질 수 있습니다. 이 스레드에서 저 외에 다른 누군가가 이 신호를 사용하여 거래에 들어가고 나가는 알고리즘을 테스트하려고 합니다.
그러나 나는 당신이 수익성있게 거래하는 것을 보았습니까? 따라서 이 제안은 귀하를 위한 것이 아닙니다. :)
캔들 패턴 인식 접근 방식 자체가 인식 자체를 의미하는 것이 아니라 단순한 패턴의 탐색을 의미합니다. 이 경우 이 섹션에 인코딩된 정보의 >99%가 손실됩니다.
글쎄, 당신이 그렇게 보인다면 원칙적으로 가격의 형식적 가치에서 벗어나는 각 지표는 정보 내용을 잃고 오류를 도입합니다. 예를 들어, Richie 가 사용하는 촛불 인코딩 방법을 잃는 것 - K= (HL, LO/HL, LC/HL). 이제 문제는 VR에서 패턴을 추출하는 방법을 사용해야 하는 것입니다.
질문을 하는 이유는 처리 중에 이미 두 번 이상 발생했습니다. 즉, 패턴을 공식화하는 방법입니다. 나는 두 가지 방법을 봅니다. 첫 번째는 코딩입니다. 코드가 Richie또는Likhovidov가 제안한 것과 유사하게 형성되는 경우입니다. 두 번째 방법은 경계 기준을 다시 도입하는 것입니다. 경계 기준의 경우 한 가지 중요한 요소가 손실됩니다. 그림이 형성되는 동안의 프레임 수도 고려해야 합니다.
패턴의 개념은 가격 차트의 인식할 수 있는 섹션으로 일반화된 방식으로 여기에 더 잘 적용되는 것 같습니다. 꼭 그래픽 그림일 필요는 없습니다. 중요한 것은 틈과 실패 없이 가능하면 안정적으로 인식된다는 점이다. 따라서 인식 방법은 거의 모든 것이 가능합니다. 코딩에 적합합니다. 많은 인코딩 방법이 있습니다. 그래픽적으로 좋습니다. 지표에서 이해하는 것처럼 중요 - 또한 좋습니다. 템플릿 검색 - 아니요. 불안정하게 작동하고 대부분을 그리워합니다. 사실, 템플릿에 의한 검색은 적응적일 수 있지만 나는 이것을 본 적이 없습니다. 신경망은 좋지만 훈련의 문제는 어려운 것입니다. 모두는 거래를 위해서만 훈련됩니다. 영역 인식만을 위한 신경망 사용에 대한 논의는 없었던 것으로 보인다. 기억할 수 있는 다른 방법은 무엇입니까?
문제는 패턴을 인식하는 데 있지 않습니다("패턴"이라는 단어가 의미하는 것이 무엇이든 간에). 문제는 분석을 위한 데이터 전처리에 있습니다. 이 포럼에서 전처리에 대한 관심은 놀라울 정도로 적습니다. 그러나 모든 정보는 후속 분석에 적합한 형식으로 제공되어야 합니다.
금융 시장에서 적절한 분석(어떤 방법이든 상관없이)에 대한 일반적인 장애물은 노이즈, 격차, 이상값입니다. 거울로 평행선을 그리겠습니다. 노이즈는 거울 표면의 거칠기와 유사하며 반사가 흐려지고 흐려집니다. 간격 - 마치 깨진 것처럼 거울 부분의 균열 및 이동. 이상치 또는 비정상적으로 큰 막대(비정상적으로 작은 막대가 없음)는 비뚤어진 거울과 유사합니다. 또한 반사의 일부는 왜곡되지 않고 일부는 인식할 수 없을 정도로 왜곡됩니다.
이 세 가지 문제는 별도로 해결해야 합니다. 그런 다음 패턴 인식에 대해 이야기합니다.
"때때로 우리는 전체의 본질을 이해하기 위해 맥락에서 빼지 말아야 할 것을 맥락에서 빼나요?" "나"와
내 주장에 찬성하는 다른 현상이 있습니다. 인간의 두뇌에는 감각에서 오는 정보에 대한 "내장된" 필터가 있습니다. 따라서 사람들은 주변에 수백 명의 다른 사람들이 이야기하고 있더라도 매우 시끄러운 장소에서 쉽게 서로 이야기할 수 있습니다. 같은 속성에 비전이 있습니다. 뇌는 시끄러운 요소 중 이미지의 한 요소에 집중할 수 있습니다. 보안 문자가 그 예입니다.
이것이 수동 거래가 공식화되기 어려운 이유입니까? 이것이 "핸드브레이크" 거래자가 하나의 거래 수단에 많은 관심을 기울이고 두뇌 필터를 연마하는 이유가 아닙니까?
gip : 패턴의 개념은 가격 차트의 인식할 수 있는 섹션으로 일반화된 방식으로 여기에 더 잘 적용되는 것 같습니다. 꼭 그래픽 그림일 필요는 없습니다. 중요한 것은 틈과 실패 없이 가능하면 안정적으로 인식된다는 점이다. 따라서 인식 방법은 거의 모든 것이 가능합니다. 코딩에 적합합니다. 많은 인코딩 방법이 있습니다. 그래픽적으로 좋습니다. 지표에서 이해하는 것처럼 중요 - 또한 좋습니다. 템플릿 검색 - 아니요. 불안정하게 작동하고 대부분을 그리워합니다. 사실, 템플릿에 의한 검색은 적응적일 수 있지만 나는 이것을 본 적이 없습니다. 신경망은 좋지만 훈련의 문제는 어려운 것입니다. 모두는 거래를 위해서만 훈련됩니다. 영역 인식만을 위한 신경망 사용에 대한 논의는 없었던 것으로 보인다. 기억할 수 있는 다른 방법은 무엇입니까?
음 ... 패턴은 시간이 지남에 따라 반복되고 특정 기준을 충족하는 특정 데이터 패턴입니다. 나에 관해서는, 시간대의 경우 패턴은 그림을 형성하는 양초의 하위 집합을 고려하면 두 가지 유형이 될 수 있습니다(내가 이해하는 한 템플릿이라는 용어는 때때로 사용되지만 이것이 올바른 정의라는 데 동의하지는 않습니다). 옵션 2, 경계 기준 + 시간 간격 및 33/MA/EMA의 경우 패턴을 형성할 수 있습니다. 패턴을 어떻게 기술할 것인지를 명확하게 결정했다면 최대한 문제 진술을 만족시키는 인식/분류 방식을 선택하는 것이 좋다.
내 주장에 찬성하는 다른 현상이 있습니다. 인간의 두뇌에는 감각에서 오는 정보에 대한 "내장된" 필터가 있습니다. 따라서 사람들은 주변에 수백 명의 다른 사람들이 이야기하고 있더라도 매우 시끄러운 장소에서 쉽게 서로 이야기할 수 있습니다. 같은 속성에 비전이 있습니다. 뇌는 시끄러운 요소 중 이미지의 한 요소에 집중할 수 있습니다. 보안 문자가 그 예입니다.
이것이 수동 거래가 공식화되기 어려운 이유입니까? 이것이 "핸드브레이크" 거래자가 하나의 거래 수단에 많은 관심을 기울이고 두뇌 필터를 연마하는 이유가 아닙니까?
여기에 동의하지 않습니다 :) 노벨 의학상 수상자인 Torsten Nils Wiesel과 David H. Hubel 의 연구에 따르면 고양이 뇌의 시각 피질에 대한 연구를 수행한 동안 그들은 특히 반응하는 소위 단순 세포가 있음을 발견했습니다 서로 다른 각도에서 직선에 강하게 강하고 한 방향으로 선의 움직임에 반응하는 복잡한 세포, 즉 뇌는 신호를 분리합니다. 이를 기반으로 컨볼루션 메커니즘을 기반으로 하는 컨볼루션 네트워크(컨볼루션 네트워크)라고 하는 전체 클래스의 신경망이 개발되었습니다. 그래서 가장 흥미로운 점은 이 종류의 신경망이 왜곡이 있는 이미지를 인식하는 데 가장 우수한 성능을 보인다는 것입니다(이것은 곡면 거울과 왜곡 때문입니다). 이것은 Jan LeCun 박사의 작업에서 매우 잘 나타납니다. 즉, Forex VR에 convolutional 네트워크를 적용하면 작동하지 않습니다. :) 네트워크는 왜곡된 데이터를 인식하는 작업을 잘 구현하지만 일부의 이미지를 복원해야 하는 작업이 나쁩니다.
내 주장에 찬성하는 다른 현상도 있습니다. 인간의 두뇌에는 감각에서 오는 정보를 위한 "내장된" 필터가 있습니다. 따라서 사람들은 주변에 수백 명의 다른 사람들이 이야기하고 있더라도 매우 시끄러운 장소에서 쉽게 서로 이야기할 수 있습니다. 같은 속성에 비전이 있습니다. 뇌는 시끄러운 요소 중 이미지의 한 요소에 집중할 수 있습니다. 보안 문자가 그 예입니다.
아니요. 거기에는 필터가 없습니다. 노이즈가 있는 스트림에서 직접 인식이 수행됩니다. 필터에 대해 어디에서 읽었습니까? 청력 메커니즘은 분해하는 것이 가장 좋습니다. 읽어보십시오. 인식은 즉시 시작됩니다. 먼저 낮은 "하드웨어" 수준에서 소리가 특정 방식으로 인코딩된 다음 이 신호로 변환된 코드가 가장 높은 수준에서 인식됩니다. 비유는 불완전하지만 본질을 포착합니다. 유용한 정보를 분리하는 원리는 스트림의 필터링(거부)이 아니라 스트림에서의 인식, 가장 적합한 이미지에 반응하는 인식 회로의 POS, 즉 스트림에서 가장 적합한 이미지를 선택하는 것입니다.
denis_orlov :
나는 그것이 정확히 당신이 묻는 것이라고 생각합니다. 왜냐하면. 구체적으로 말씀드릴 수 없습니다.
나는 아무것도 요구하지 않습니다. 그리고 그는 묻지 않았습니다.
똑같이 썼습니다 - 알고리즘 자체를 제공할 필요가 없습니다. 당신은 나에게 그의 작업의 결과를 줄 수 있습니다, 나는 결과를 테스트합니다. 그리고 그러한 알고리즘에서 무언가를 얻을 수 있는지 알려 드리겠습니다. 이것은 부탁인가 부탁인가? 그것은 주로 인식 알고리즘의 작성자에게 이익이 되는 것을 목표로 한 제안이었습니다. 누군가가 정상적인 인식기를 만들 수는 있지만 수익으로 전환할 수 없다면(어려워!) 다른 개발자와 직접 협력해야 합니다.
여기에서 인식 신호가 있는 파일을 던질 수 있습니다. 이 스레드에서 저 외에 다른 누군가가 이 신호를 사용하여 거래에 들어가고 나가는 알고리즘을 테스트하려고 합니다.
그러나 나는 당신이 수익성있게 거래하는 것을 보았습니까? 따라서 이 제안은 귀하를 위한 것이 아닙니다. :)
나는 그것들이 완전히 쓸모없다는 말은 아니지만 제 경우에는 적용되지 않습니다.
캔들 패턴 인식 접근 방식 자체가 인식 자체를 의미하는 것이 아니라 단순한 패턴의 탐색을 의미합니다. 이 경우 이 섹션에 인코딩된 정보의 >99%가 손실됩니다.
글쎄, 당신이 그렇게 보인다면 원칙적으로 가격의 형식적 가치에서 벗어나는 각 지표는 정보 내용을 잃고 오류를 도입합니다. 예를 들어, Richie 가 사용하는 촛불 인코딩 방법을 잃는 것 - K= (HL, LO/HL, LC/HL). 이제 문제는 VR에서 패턴을 추출하는 방법을 사용해야 하는 것입니다.
질문을 하는 이유는 처리 중에 이미 두 번 이상 발생했습니다. 즉, 패턴을 공식화하는 방법입니다. 나는 두 가지 방법을 봅니다. 첫 번째는 코딩입니다. 코드가 Richie 또는 Likhovidov가 제안한 것과 유사하게 형성되는 경우입니다. 두 번째 방법은 경계 기준을 다시 도입하는 것입니다. 경계 기준의 경우 한 가지 중요한 요소가 손실됩니다. 그림이 형성되는 동안의 프레임 수도 고려해야 합니다.
문제는 패턴을 인식하는 데 있지 않습니다("패턴"이라는 단어가 의미하는 것이 무엇이든 간에). 문제는 분석을 위한 데이터 전처리에 있습니다. 이 포럼에서 전처리에 대한 관심은 놀라울 정도로 적습니다. 그러나 모든 정보는 후속 분석에 적합한 형식으로 제공되어야 합니다.
금융 시장에서 적절한 분석(어떤 방법이든 상관없이)에 대한 일반적인 장애물은 노이즈, 격차, 이상값입니다. 거울로 평행선을 그리겠습니다. 노이즈는 거울 표면의 거칠기와 유사하며 반사가 흐려지고 흐려집니다. 간격 - 마치 깨진 것처럼 거울 부분의 균열 및 이동. 이상치 또는 비정상적으로 큰 막대(비정상적으로 작은 막대가 없음)는 비뚤어진 거울과 유사합니다. 또한 반사의 일부는 왜곡되지 않고 일부는 인식할 수 없을 정도로 왜곡됩니다.
이 세 가지 문제는 별도로 해결해야 합니다. 그런 다음 패턴 인식에 대해 이야기합니다.
결함이 있는 거울(내가 쓴)의 사진을 찍고 사진에 일종의 이미지 인식 시스템을 적용하십시오. 당신 자신은 "바보 같은 철 조각"은 말할 것도 없고 반사에 자신을 인식하지 못할 수도 있습니다.
추신: 각 거울 결함은 정보를 전달하지만 거울에 의해 반사된 원래 빛에 대한 정보가 아니라 결함의 원인(휴일 및 기타 요인)에 대한 정보를 전달합니다.
내 주장에 찬성하는 다른 현상이 있습니다. 인간의 두뇌에는 감각에서 오는 정보에 대한 "내장된" 필터가 있습니다. 따라서 사람들은 주변에 수백 명의 다른 사람들이 이야기하고 있더라도 매우 시끄러운 장소에서 쉽게 서로 이야기할 수 있습니다. 같은 속성에 비전이 있습니다. 뇌는 시끄러운 요소 중 이미지의 한 요소에 집중할 수 있습니다. 보안 문자가 그 예입니다.
이것이 수동 거래가 공식화되기 어려운 이유입니까? 이것이 "핸드브레이크" 거래자가 하나의 거래 수단에 많은 관심을 기울이고 두뇌 필터를 연마하는 이유가 아닙니까?
패턴의 개념은 가격 차트의 인식할 수 있는 섹션으로 일반화된 방식으로 여기에 더 잘 적용되는 것 같습니다. 꼭 그래픽 그림일 필요는 없습니다. 중요한 것은 틈과 실패 없이 가능하면 안정적으로 인식된다는 점이다. 따라서 인식 방법은 거의 모든 것이 가능합니다. 코딩에 적합합니다. 많은 인코딩 방법이 있습니다. 그래픽적으로 좋습니다. 지표에서 이해하는 것처럼 중요 - 또한 좋습니다. 템플릿 검색 - 아니요. 불안정하게 작동하고 대부분을 그리워합니다. 사실, 템플릿에 의한 검색은 적응적일 수 있지만 나는 이것을 본 적이 없습니다. 신경망은 좋지만 훈련의 문제는 어려운 것입니다. 모두는 거래를 위해서만 훈련됩니다. 영역 인식만을 위한 신경망 사용에 대한 논의는 없었던 것으로 보인다. 기억할 수 있는 다른 방법은 무엇입니까?
내 주장에 찬성하는 다른 현상이 있습니다. 인간의 두뇌에는 감각에서 오는 정보에 대한 "내장된" 필터가 있습니다. 따라서 사람들은 주변에 수백 명의 다른 사람들이 이야기하고 있더라도 매우 시끄러운 장소에서 쉽게 서로 이야기할 수 있습니다. 같은 속성에 비전이 있습니다. 뇌는 시끄러운 요소 중 이미지의 한 요소에 집중할 수 있습니다. 보안 문자가 그 예입니다.
이것이 수동 거래가 공식화되기 어려운 이유입니까? 이것이 "핸드브레이크" 거래자가 하나의 거래 수단에 많은 관심을 기울이고 두뇌 필터를 연마하는 이유가 아닙니까?
여기에 동의하지 않습니다 :) 노벨 의학상 수상자인 Torsten Nils Wiesel과 David H. Hubel 의 연구에 따르면 고양이 뇌의 시각 피질에 대한 연구를 수행한 동안 그들은 특히 반응하는 소위 단순 세포가 있음을 발견했습니다 서로 다른 각도에서 직선에 강하게 강하고 한 방향으로 선의 움직임에 반응하는 복잡한 세포, 즉 뇌는 신호를 분리합니다. 이를 기반으로 컨볼루션 메커니즘을 기반으로 하는 컨볼 루션 네트워크(컨볼루션 네트워크)라고 하는 전체 클래스의 신경망이 개발되었습니다. 그래서 가장 흥미로운 점은 이 종류의 신경망이 왜곡이 있는 이미지를 인식하는 데 가장 우수한 성능을 보인다는 것입니다(이것은 곡면 거울과 왜곡 때문입니다). 이것은 Jan LeCun 박사의 작업에서 매우 잘 나타납니다. 즉, Forex VR에 convolutional 네트워크를 적용하면 작동하지 않습니다. :) 네트워크는 왜곡된 데이터를 인식하는 작업을 잘 구현하지만 일부의 이미지를 복원해야 하는 작업이 나쁩니다.
내 주장에 찬성하는 다른 현상도 있습니다. 인간의 두뇌에는 감각에서 오는 정보를 위한 "내장된" 필터가 있습니다. 따라서 사람들은 주변에 수백 명의 다른 사람들이 이야기하고 있더라도 매우 시끄러운 장소에서 쉽게 서로 이야기할 수 있습니다. 같은 속성에 비전이 있습니다. 뇌는 시끄러운 요소 중 이미지의 한 요소에 집중할 수 있습니다. 보안 문자가 그 예입니다.