따라서 별은 동시에 정렬되지 않았습니다. 차이점은 무엇입니까? 결국 가장 중요한 것은 거의 모든 사람들 (아무것도 증명하거나 입증 할 필요가없는 완고한 징징거림 제외)의 결과가 이익에 동의하고 이제 (un)promising의 문제입니다. TA는 끝낼 수 있습니다.
이익은 어디에 있습니까? 제정신으로 리얼로부터의 상태를 가지고 있습니까? 그리고 평소와 같이 "식물성" 쓰레기라고 부르는 것이 무엇인지 알게 될 것이며 "실과 포럼을 닫을 수 있습니다." 똥이 나올 것입니다. 그리고 그러한 방법으로 좋은 것을 분리하는 것은 효과가 없습니다. :)
시스템의 견고성을 평가해야 하며 이를 위한 여러 방법이 있습니다. 그리고 필터에 맞추는 것이 아닙니다. 그리고 강력한 시스템을 찾으면 서로 필터링할 필요가 없습니다. 일반적으로 입력 / 출력에 신호를 개별적으로 제공하고 실제로 시간이 지나면 교차하지 않습니다. 동시에 한 방향의 포즈는 꽤 오랫동안 평행하게 유지 될 수 있습니다.
voltair : Avals , 이러한 방법을 제공할 수 있습니까? 여기에서 나는 TS의 역사(특정 숫자만큼)뿐만 아니라 미래에 대한 예측에 대한 견고성을 수학적으로 평가하고 싶습니다. 게다가, 이 예측은 (OOS'ah에서) 현실과 적어도 통계적으로 일치하는 것이 바람직합니다.
간단히 말해서 시스템, 필터, 입출력 조건의 각 요소는 상대적으로 개별적으로 견고성을 평가할 수 있습니다. 그리고 각 요소는 이 테스트를 성공적으로 통과해야 합니다. 예를 들어, 필터링 조건이 엄격할 때 좋은 필터는 결과의 품질을 지속적으로 향상시켜야 합니다(PF 증가, 감소 감소 등). 그렇지 않으면 휴지통에 있습니다. 이것은 기존 테스터를 사용하여 구현되고 특정 필터 매개변수에 대한 최적화 결과 를 확인합니다.
다른 방법이 있지만 너무 많이 쓰기에는 너무 게으르며, 특히 여기에서 주제에서 벗어납니다. :)
voltair : 음, 필터의 견고성을 평가하는 방법을 알려주십시오(또는 링크를 제공하십시오). 결국 TC는 일종의 필터로 간주될 수 있습니다.
예, 대부분의 TS는 필터 집합의 논리적 통합으로 간주될 수 있습니다. 저것들. 부울 변수 및 연산 세트 및 또는 포함되지 않습니다. 진입 / 퇴장 수준의 또 다른 별도 계산. 이것은 뉴런과 퍼지 논리에는 적용되지 않습니다.
링크가 없습니다. 거미에 대해 논의했습니다. 간단한 예라면 예를 들어 사람의 키에 대한 IQ 수준의 의존성을 계산합니다. 테스트가 필요한 규칙을 가정합니다. 키가 높을수록 IQ가 낮아집니다. IQ의 성장 수준에 대한 통계가 있습니다. 그것에 대해 하위 샘플> X - 평균 IQ에 대한 성장을 계산합니다. 열거의 각 단계 X에서 특정 수준에서 시작하여 IQ의 평균 수준이 지속적으로 감소하면 이 규칙이 무작위가 아니라 실제로 정당화될 가능성이 크게 증가합니다. X의 성장과 함께 커지거나 작아지면 존재하지 않을 가능성이 높으므로 거짓으로 인식하거나 다시 공식화해야 합니다.
Avals : ... 거미에 대해 논의했습니다. 간단한 예라면 예를 들어 사람의 키에 대한 IQ 수준의 의존성을 계산합니다. 규칙을 가정합니다(테스트해야 함) ... 각 열거 단계 X의 특정 수준에서 시작하여 IQ의 평균 수준이 지속적으로 감소하면 이 규칙이 실제로 정당화되고 무작위성이 아닌 확률이 크게 증가합니다. ...
고맙습니다! 일반적으로 아이디어는 명료해 보이지만 실제 차량과 관련하여 실용화하면 좋을 것 같습니다. 귀하의 의견으로는 그들의 경우에 무엇을 취해야 하는지에 대한 의존성은 무엇입니까?
hrenfx : TS에 N개의 명시적 및 암시적 입력 매개변수가 있는 경우. 그런 다음 이들을 모두 최적화하면 다양한 특성(이익, PF, PV, 드로다운 등)의 (N+1)차원 표면을 얻게 됩니다. 이러한 각 표면은 "매끄러워"야 합니다. 그렇지 않은 경우 입력 매개변수 중 하나 이상이 피팅 필터입니다.
우와! 이것은 내 관찰에 매우 가깝습니다. 나는 심지어 내 "부드러움 계수"를 입력하고 계산했습니다. 그런 표면을 렌더링 했습니까? 또는 일반적으로 부드러움을 어떻게 평가합니까?
voltair : 고맙습니다! 일반적으로 아이디어는 명료해 보이지만 실제 차량과 관련하여 실용화하면 좋을 것 같습니다. 귀하의 의견으로는 그들의 경우에 무엇을 취해야 하는지에 대한 의존성은 무엇입니까?
그래서 어떤 필터. 특정 시스템을 구축하기 위해 취해야 할 필터는 별개의 문제입니다. 시스템 유형(시스템에서 사용하는 규칙성의 속성)에 따라 다릅니다. 모든 유형의 시스템에 적합한 범용 필터는 없습니다. 변동성 어딘가에, 특정 시간 동안의 움직임의 문턱에 의해, 볼륨에 의해, 시간에 의해 어딘가에. 많은 옵션 :)
따라서 별은 동시에 정렬되지 않았습니다. 차이점은 무엇입니까? 결국 가장 중요한 것은 거의 모든 사람들 (아무것도 증명하거나 입증 할 필요가없는 완고한 징징거림 제외)의 결과가 이익에 동의하고 이제 (un)promising의 문제입니다. TA는 끝낼 수 있습니다.
이익은 어디에 있습니까? 제정신으로 리얼로부터의 상태를 가지고 있습니까? 그리고 평소와 같이 "식물성" 쓰레기라고 부르는 것이 무엇인지 알게 될 것이며 "실과 포럼을 닫을 수 있습니다." 똥이 나올 것입니다. 그리고 그러한 방법으로 좋은 것을 분리하는 것은 효과가 없습니다. :)
시스템의 견고성을 평가해야 하며 이를 위한 여러 방법이 있습니다. 그리고 필터에 맞추는 것이 아닙니다. 그리고 강력한 시스템을 찾으면 서로 필터링할 필요가 없습니다. 일반적으로 입력 / 출력에 신호를 개별적으로 제공하고 실제로 시간이 지나면 교차하지 않습니다. 동시에 한 방향의 포즈는 꽤 오랫동안 평행하게 유지 될 수 있습니다.
... 시스템의 견고성을 평가해야 하며 이를 위한 여러 가지 방법이 있습니다. ...
Avals , 이러한 방법을 제공할 수 있습니까? 여기에서 나는 TS의 역사(특정 숫자만큼)뿐만 아니라 미래에 대한 예측에 대한 견고성을 수학적으로 평가하고 싶습니다. 게다가, 이 예측은 (OOS'ah에서) 현실과 적어도 통계적으로 일치하는 것이 바람직합니다.
간단히 말해서 시스템, 필터, 입출력 조건의 각 요소는 상대적으로 개별적으로 견고성을 평가할 수 있습니다. 그리고 각 요소는 이 테스트를 성공적으로 통과해야 합니다. 예를 들어, 필터링 조건이 엄격할 때 좋은 필터는 결과의 품질을 지속적으로 향상시켜야 합니다(PF 증가, 감소 감소 등). 그렇지 않으면 휴지통에 있습니다. 이것은 기존 테스터를 사용하여 구현되고 특정 필터 매개변수에 대한 최적화 결과 를 확인합니다.
다른 방법이 있지만 너무 많이 쓰기에는 너무 게으르며, 특히 여기에서 주제에서 벗어납니다. :)
... 즉, 시스템의 각 요소, 필터, 입출력 조건은 상대적으로 개별적으로 견고성을 평가할 수 있습니다. ...
TS에 N개의 명시적 및 암시적 입력 매개변수가 있는 경우. 그런 다음 이들을 모두 최적화하면 다양한 특성(이익, PF, PV, 드로다운 등)의 (N+1)차원 표면을 얻게 됩니다.
이러한 각 표면은 "매끄러워"야 합니다. 그렇지 않은 경우 입력 매개변수 중 하나 이상이 피팅 필터입니다.
음, 필터의 견고성을 평가하는 방법을 알려주십시오(또는 링크를 제공하십시오). 결국 TC는 일종의 필터로 간주될 수 있습니다.
예, 대부분의 TS는 필터 집합의 논리적 통합으로 간주될 수 있습니다. 저것들. 부울 변수 및 연산 세트 및 또는 포함되지 않습니다. 진입 / 퇴장 수준의 또 다른 별도 계산. 이것은 뉴런과 퍼지 논리에는 적용되지 않습니다.
링크가 없습니다. 거미에 대해 논의했습니다. 간단한 예라면 예를 들어 사람의 키에 대한 IQ 수준의 의존성을 계산합니다. 테스트가 필요한 규칙을 가정합니다. 키가 높을수록 IQ가 낮아집니다. IQ의 성장 수준에 대한 통계가 있습니다. 그것에 대해 하위 샘플> X - 평균 IQ에 대한 성장을 계산합니다. 열거의 각 단계 X에서 특정 수준에서 시작하여 IQ의 평균 수준이 지속적으로 감소하면 이 규칙이 무작위가 아니라 실제로 정당화될 가능성이 크게 증가합니다. X의 성장과 함께 커지거나 작아지면 존재하지 않을 가능성이 높으므로 거짓으로 인식하거나 다시 공식화해야 합니다.
다른 통계 기술이 있으며 비통계 기술도 있습니다 - 논리적 기술.
... 거미에 대해 논의했습니다. 간단한 예라면 예를 들어 사람의 키에 대한 IQ 수준의 의존성을 계산합니다. 규칙을 가정합니다(테스트해야 함) ... 각 열거 단계 X의 특정 수준에서 시작하여 IQ의 평균 수준이 지속적으로 감소하면 이 규칙이 실제로 정당화되고 무작위성이 아닌 확률이 크게 증가합니다. ...
TS에 N개의 명시적 및 암시적 입력 매개변수가 있는 경우. 그런 다음 이들을 모두 최적화하면 다양한 특성(이익, PF, PV, 드로다운 등)의 (N+1)차원 표면을 얻게 됩니다. 이러한 각 표면은 "매끄러워"야 합니다. 그렇지 않은 경우 입력 매개변수 중 하나 이상이 피팅 필터입니다.
고맙습니다! 일반적으로 아이디어는 명료해 보이지만 실제 차량과 관련하여 실용화하면 좋을 것 같습니다. 귀하의 의견으로는 그들의 경우에 무엇을 취해야 하는지에 대한 의존성은 무엇입니까?
그런 표면을 렌더링 했습니까? 또는 일반적으로 부드러움을 어떻게 평가합니까?
첫 번째 및 두 번째 입력 매개변수에 대한 시각화는 MT4에 표준으로 내장되어 있습니다. 새로운 입력 매개변수(필터)를 도입할 때 권장 사항 중 하나는 해당 매개변수만 최적화하고 곡선의 부드러움을 관찰하는 것입니다.
표면의 매끄러움(2차원 및 3차원)은 시각적으로 평가됩니다. 보다 차원이 높은 표면의 경우 평활도 평가가 수행되지 않았습니다. 모든 것을 2차원 및 3차원 사례로 축소하는 것은 항상 충분했습니다.
"부드러움 계수"를 어떻게 계산합니까?
2. joo님은 자신의 방식대로 지속적으로 다시 최적화해야 한다고 말합니다. 내 OOS 수익은 3~5개월 이내에 꾸준히 증가하고 있습니다. 저것들. 컴퓨터를 체계적이고 지속적으로 구동할 필요가 없습니다.
다음과 같은 몇 가지 질문이 있습니다.
1. 이 3~5개월 동안 OOS에서 안정적인 수익 성장을 제공하는 이유는 무엇입니까?
2. 당신은 그것에 돈을 걸었습니까?