해결할 필요가 없습니다. 특정 경우에 충분한 길이의 훈련 샘플을 찾는 것으로 충분합니다. 이것은 매우 간단하게 수행됩니다.
IMHO 이것은 해결하기가 훨씬 쉽습니다. 나는 앉아서 다양한 최적화 창을 실험하고 이 방법을 생각해 냈습니다.
첫 번째 최적화를 실행합니다. 우리는 상당한 하락으로 성공하거나 그다지 성공적이지 않은 포워드를 찾고 있습니다. 차트에서 마우스 커서를 바로 이 드로다운의 맨 아래로 이동하고 도구 설명에서 날짜를 확인합니다. 최적화 기간의 완료를 바로 이 날짜로 변경합니다. 우리는 또 다른 최적화를 실행하고 성공적인 포워드를 찾고 기적이 일어났음을 확인합니다. 조정은 이전 손실을 균일하게 만들어 수익성 있는 섹션으로 전환한 다음 포워드가 성공적이기 때문입니다. 그는 이 트릭 이전에 그랬습니다.
이론적으로 이러한 기술은 물론 더 낫습니다. 이 경우 우리 TS는 이전에는 할 수 없었던 드로다운을 제거하는 방법을 배웠습니다. 텔레파시 능력이 없었고 우리는 그녀에게 그녀의 실수가 무엇인지 제안했습니다. 그러나 실제로는 여전히 갈퀴로 작성됩니다. 순방향 테스트를 위한 윈도우 영역이 줄어들었기 때문에 이 방법이 얼마나 적절한지 추가적으로 확인이 필요하다.
기사의 자료는 이미 완전히 수집되었으며이 모든 경제를 정리하고 일부 이미지를 추가하면 게시를 위해 보낼 수 있습니다.
간단히 말해서 이 기사에서는 전문가 시스템이 내장된 신경망에 대해 논의하고(기사 작성자가 비용을 위해 발명하지 않는 것은 무엇입니까?) 다음 질문에 답합니다.
1. 신경망에 보간이 필요한 이유는 무엇입니까? 과연, 그녀는 갑자기 어떤 두려움에 사로잡혔습니까?
2. 고정되고 일관된 데이터에 올바르게 맞도록 훈련된 뉴런이 보간될 수 있습니까? 차례로 뉴런이 되는 로지스틱 회귀의 예에서 분석됩니다. 로지스틱 회귀의 지지자들은 여전히 불행할 것입니다. 해충 의사들도 이 글을 승인하지 않을 것입니다. 왜냐하면. 이제 컴퓨터에서 진단을 계산하기 위해 로지스틱 회귀를 사용하는 것이 유행입니다.
3. 올바른 보간을 위한 전문가 시스템을 만드는 방법: 필요 충분 조건? 사실 전문가 시스템은 신경망의 한 층이지만 블랙박스는 아닙니다. 다른 전문가 시스템과 마찬가지로 쉽게 해석 가능한 규칙 형태의 지식 기반을 가지고 있습니다. 숨길 것이 있다면 이 글을 읽지 말고 블랙박스를 이용하는 것이 좋다.
4. 전문가 시스템이 탑재된 신경망을 재교육할 수 있습니까? 그리고 누가 금지합니까?
5. 지식 기반을 수동으로 만들고 수정할 필요가 없도록 일련의 교육 예제에 대해 전문가 시스템을 자동으로 교육하는 방법은 무엇입니까? 그루터기는 훈련 예제가 거래 신호라는 것이 분명합니다. 기술 지표 또는 오실레이터의 판독 값에 따라 시스템이 거래하도록 훈련하고 일종의 Fisher의 식물 홍채를 인식하지 않도록 합니다. 그러나 여전히 펜, 특히 구부러진 펜과 일부 장소에서 자라는 펜을 사용하면 이 비즈니스에서 어리석은 알고리즘을 신뢰하는 것보다 지식 기반을 선택하는 것이 어떻게 든 더 친숙하고 신뢰할 수 있습니다.
6. 전문가 시스템으로 신경망의 언더트레이닝을 제거하는 방법은 무엇입니까? 물론 이상한 질문은 모든 사람들은 재교육과 피팅에 어려움을 겪습니다. 그리고 여기서 저자는 분명히 무언가를 극복하지 않기로 결정했습니다.
7. 전문가 시스템이 탑재된 신경망과 비교하여 일반 신경망의 장단점은 무엇입니까? 여기서 저자는 단점 측면에서 너무 멀리 갔다, tk. 이제 다음과 같이 구부리는 것이 관례입니다. 노하우, 특허받은 치료법, 양 고추 냉이의 유사체, 최고의 개 사육자 및 치과 의사의 권장 사항, 단점은없고 장점 만 있으며 지금 주문하고 구매하십시오. 그렇지 않으면 창고가 이미 소진되었습니다 등.
또한 외부 라이브러리 및 dll을 사용하지 않고 mql4 및 mql5로 작성된 전문가 시스템을 갖춘 신경망의 소스 코드를 기사에 첨부하고 기사 자체에서 알고리즘의 주요 기능을 설명합니다. 일반적으로 약간의 분노가 있습니다. tk. 모든 grailers는 소스 코드가 엿보는 눈으로부터 조심스럽게 숨겨져야 하고 증인은 제거되어야 하고 흔적은 가려져야 한다는 것을 확실히 알고 있습니다.
피팅의 문제는 일부는 개별 최적화 결과 (실행)만 분석한다는 것입니다. 그리고 최적의 영역에 대한 총 결과를 종합적으로 고려할 필요가 있습니다. 그리고 앞으로는 필요하지 않습니다.
예를 들어, 한 기계에 하나의 도매(기계 기간)가 있는 시스템이 있습니다. 우리는 최적화하고 많은 도매 값 세트를 얻었고 예를 들어 PF별로 정렬했습니다. 물론 개별 실행이 무작위일 가능성이 높으며 예를 들어 정방향 확인이 필요합니다. 그러나 개별 실행이 아니라 최적 영역과 그에 대한 결과를 고려한다면 시리즈의 다른 부분에서 최적 영역에 대한 긍정적인 결과의 보존을 조정하는 것은 거의 불가능합니다. 물론 이것은 최적 영역의 너비와 광학의 최소 변화에 대한 실행 결과의 감도에 따라 다릅니다. 저것들. 최적의 영역을 유지하는 것은 견고성과 적합성의 표시입니다. 포워드는 한 번만 사용할 때만 좋습니다. 동일한 시스템에 대해 반복적으로 사용하면 훈련 세트의 일부가 됩니다.
추신
특정 시스템이 작동한 시간도 시스템 매개변수입니다. 예를 들어, 하나는 2005년에서 2011년까지 일했습니다. 다음은 최적 값의 범위인 수명입니다. 히스토리를 최적화할 때 실제로 가능한 한 이 범위가 큰 시스템을 찾기 위해 노력합니다. 그러나 시스템이 영원히 작동할 필요는 없습니다. 따라서 테스트 기간을 설정할 때 임의로 선택하고 시스템이 이 전체 영역에서 작동하도록 요구한다는 점을 고려해야 합니다. 이것은 헛소리입니다. 10 년 동안 찾는 것이 나에게 일어났습니다 - 당신은 찾고 있습니다)). IMHA, 그러한 기간은 결과의 원하는 수준의 신뢰성을 제공하기에 충분합니다. 거래 횟수와 수익/손실 거래의 분포에 따라 다릅니다.
TheXpert : 예, IMHO는 다른 대초원에서만 동일합니다. 최적의 영역은 결과를 기반으로 하는 일종의 스무딩 필터입니다.
이것은 특정 도매 범위에서 대상 지표(예: 이익 계수)의 평균 값입니다.
대상의 평균값이 충분한 도매의 범위가 테스트의 모든 영역에서 유지될 수 있을 만큼 충분히 넓은 것이 중요합니다. 일부 실행은 일시적으로 손실 영역에 들어갈 수 있지만 평균적으로 범위는 수익성을 유지해야 합니다. 이것이 모든 옵션에 해당된다면 시스템은 강력합니다.
일반적으로 요점은 단일 실행이 아닌 전체 전체의 견고성을 평가하는 것입니다.
예를 들어, 우리는 사람의 IQ가 키에 달려 있다고 결정했습니다. 1000명에게 최적화되었으며 162cm의 키가 평균적으로 최대 IQ에 도달하는 것으로 나타났습니다. 그런 다음 그들은 다른 사람들에게 포워드를 테스트하기 시작했고 잘 작동하지 않았습니다)) 그러나 160-170cm의 키를 가진 사람들이 각 샘플에서 안정적이라는 것이 밝혀지면 예를 들어 평균 IQ가 더 높습니다 , 그러면 이것이 사고일 가능성은 하나의 값을 선택할 때보다 훨씬 적습니다(표본에 더 많은 사람이 있기 때문에). 그리고 이것은 키 자체에 대한 IQ의 의존성이 발생한다는 것을 의미합니다.
// Оптимизировать советник нужно по Maximal Drawdown// На участке оптимизации должно быть не менее 300 сделок// После оптимизации отсортировать по профит фактору и // начиная с самого крупного пф, искать тестировать // на предмет наиболее гладкой кривульки баланса//---- input parametersexternint x0 = 0 ; // Настройка от 0 до 100 с шагом 1externint x1 = 0 ; // Настройка от 0 до 100 с шагом 1externint x2 = 0 ; // Настройка от 0 до 100 с шагом 1externint x3 = 0 ; // Настройка от 0 до 100 с шагом 1externint x4 = 0 ; // Настройка от 0 до 100 с шагом 1externint x5 = 0 ; // Настройка от 0 до 100 с шагом 1 externint x6 = 0 ; // Настройка от 0 до 100 с шагом 1 externint x7 = 0 ; // Настройка от 0 до 100 с шагом 1externdouble sl = 900 ; // Уроверь стоплосса и тейкпрофита в пунктахexternint d = 2 ; // Количество знаков после запятой для лотностиexternint mn = 888 ; // Магический номер
피팅의 문제는 일부는 개별 최적화 결과(실행)만 분석한다는 것입니다. 그리고 최적의 영역에 대한 총 결과를 종합적으로 고려할 필요가 있습니다. 그리고 앞으로는 필요하지 않습니다.
가장 성공적인 포워드를 생성하는 매개변수의 약간의 변경 은 최적화된 매개변수의 다른 그룹의 동일한 변경보다 최종 이익의 편차가 더 작다는 것을 알게 되었습니다. - 올바르게 결정하는 방법을 알고 있다면 포워드가 필요하지 않습니다. 말하자면 .. 성공적인 포워드를 제공하는 매개 변수는 더 큰 안정성 여유를 갖습니다. (임호)
해결할 필요가 없습니다. 특정 경우에 충분한 길이의 훈련 샘플을 찾는 것으로 충분합니다. 이것은 매우 간단하게 수행됩니다.
IMHO 이것은 해결하기가 훨씬 쉽습니다. 나는 앉아서 다양한 최적화 창을 실험하고 이 방법을 생각해 냈습니다.
첫 번째 최적화를 실행합니다. 우리는 상당한 하락으로 성공하거나 그다지 성공적이지 않은 포워드를 찾고 있습니다. 차트에서 마우스 커서를 바로 이 드로다운의 맨 아래로 이동하고 도구 설명에서 날짜를 확인합니다. 최적화 기간의 완료를 바로 이 날짜로 변경합니다. 우리는 또 다른 최적화를 실행하고 성공적인 포워드를 찾고 기적이 일어났음을 확인합니다. 조정은 이전 손실을 균일하게 만들어 수익성 있는 섹션으로 전환한 다음 포워드가 성공적이기 때문입니다. 그는 이 트릭 이전에 그랬습니다.
이론적으로 이러한 기술은 물론 더 낫습니다. 이 경우 우리 TS는 이전에는 할 수 없었던 드로다운을 제거하는 방법을 배웠습니다. 텔레파시 능력이 없었고 우리는 그녀에게 그녀의 실수가 무엇인지 제안했습니다. 그러나 실제로는 여전히 갈퀴로 작성됩니다. 순방향 테스트를 위한 윈도우 영역이 줄어들었기 때문에 이 방법이 얼마나 적절한지 추가적으로 확인이 필요하다.
기사의 자료는 이미 완전히 수집되었으며이 모든 경제를 정리하고 일부 이미지를 추가하면 게시를 위해 보낼 수 있습니다.
간단히 말해서 이 기사에서는 전문가 시스템이 내장된 신경망에 대해 논의하고(기사 작성자가 비용을 위해 발명하지 않는 것은 무엇입니까?) 다음 질문에 답합니다.
1. 신경망에 보간이 필요한 이유는 무엇입니까? 과연, 그녀는 갑자기 어떤 두려움에 사로잡혔습니까?
2. 고정되고 일관된 데이터에 올바르게 맞도록 훈련된 뉴런이 보간될 수 있습니까? 차례로 뉴런이 되는 로지스틱 회귀의 예에서 분석됩니다. 로지스틱 회귀의 지지자들은 여전히 불행할 것입니다. 해충 의사들도 이 글을 승인하지 않을 것입니다. 왜냐하면. 이제 컴퓨터에서 진단을 계산하기 위해 로지스틱 회귀를 사용하는 것이 유행입니다.
3. 올바른 보간을 위한 전문가 시스템을 만드는 방법: 필요 충분 조건? 사실 전문가 시스템은 신경망의 한 층이지만 블랙박스는 아닙니다. 다른 전문가 시스템과 마찬가지로 쉽게 해석 가능한 규칙 형태의 지식 기반을 가지고 있습니다. 숨길 것이 있다면 이 글을 읽지 말고 블랙박스를 이용하는 것이 좋다.
4. 전문가 시스템이 탑재된 신경망을 재교육할 수 있습니까? 그리고 누가 금지합니까?
5. 지식 기반을 수동으로 만들고 수정할 필요가 없도록 일련의 교육 예제에 대해 전문가 시스템을 자동으로 교육하는 방법은 무엇입니까? 그루터기는 훈련 예제가 거래 신호라는 것이 분명합니다. 기술 지표 또는 오실레이터의 판독 값에 따라 시스템이 거래하도록 훈련하고 일종의 Fisher의 식물 홍채를 인식하지 않도록 합니다. 그러나 여전히 펜, 특히 구부러진 펜과 일부 장소에서 자라는 펜을 사용하면 이 비즈니스에서 어리석은 알고리즘을 신뢰하는 것보다 지식 기반을 선택하는 것이 어떻게 든 더 친숙하고 신뢰할 수 있습니다.
6. 전문가 시스템으로 신경망의 언더트레이닝을 제거하는 방법은 무엇입니까? 물론 이상한 질문은 모든 사람들은 재교육과 피팅에 어려움을 겪습니다. 그리고 여기서 저자는 분명히 무언가를 극복하지 않기로 결정했습니다.
7. 전문가 시스템이 탑재된 신경망과 비교하여 일반 신경망의 장단점은 무엇입니까? 여기서 저자는 단점 측면에서 너무 멀리 갔다, tk. 이제 다음과 같이 구부리는 것이 관례입니다. 노하우, 특허받은 치료법, 양 고추 냉이의 유사체, 최고의 개 사육자 및 치과 의사의 권장 사항, 단점은없고 장점 만 있으며 지금 주문하고 구매하십시오. 그렇지 않으면 창고가 이미 소진되었습니다 등.
또한 외부 라이브러리 및 dll을 사용하지 않고 mql4 및 mql5로 작성된 전문가 시스템을 갖춘 신경망의 소스 코드를 기사에 첨부하고 기사 자체에서 알고리즘의 주요 기능을 설명합니다. 일반적으로 약간의 분노가 있습니다. tk. 모든 grailers는 소스 코드가 엿보는 눈으로부터 조심스럽게 숨겨져야 하고 증인은 제거되어야 하고 흔적은 가려져야 한다는 것을 확실히 알고 있습니다.
여기 파이가 있습니다.
피팅의 문제는 일부는 개별 최적화 결과 (실행)만 분석한다는 것입니다. 그리고 최적의 영역에 대한 총 결과를 종합적으로 고려할 필요가 있습니다. 그리고 앞으로는 필요하지 않습니다.
예를 들어, 한 기계에 하나의 도매(기계 기간)가 있는 시스템이 있습니다. 우리는 최적화하고 많은 도매 값 세트를 얻었고 예를 들어 PF별로 정렬했습니다. 물론 개별 실행이 무작위일 가능성이 높으며 예를 들어 정방향 확인이 필요합니다. 그러나 개별 실행이 아니라 최적 영역과 그에 대한 결과를 고려한다면 시리즈의 다른 부분에서 최적 영역에 대한 긍정적인 결과의 보존을 조정하는 것은 거의 불가능합니다. 물론 이것은 최적 영역의 너비와 광학의 최소 변화에 대한 실행 결과의 감도에 따라 다릅니다. 저것들. 최적의 영역을 유지하는 것은 견고성과 적합성의 표시입니다. 포워드는 한 번만 사용할 때만 좋습니다. 동일한 시스템에 대해 반복적으로 사용하면 훈련 세트의 일부가 됩니다.
추신
특정 시스템이 작동한 시간도 시스템 매개변수입니다. 예를 들어, 하나는 2005년에서 2011년까지 일했습니다. 다음은 최적 값의 범위인 수명입니다. 히스토리를 최적화할 때 실제로 가능한 한 이 범위가 큰 시스템을 찾기 위해 노력합니다. 그러나 시스템이 영원히 작동할 필요는 없습니다. 따라서 테스트 기간을 설정할 때 임의로 선택하고 시스템이 이 전체 영역에서 작동하도록 요구한다는 점을 고려해야 합니다. 이것은 헛소리입니다. 10 년 동안 찾는 것이 나에게 일어났습니다 - 당신은 찾고 있습니다)). IMHA, 그러한 기간은 결과의 원하는 수준의 신뢰성을 제공하기에 충분합니다. 거래 횟수와 수익/손실 거래의 분포에 따라 다릅니다.
Avals :
그러나 개별 실행이 아니라 최적 영역과 그에 대한 결과를 고려한다면 시리즈의 다른 부분에서 최적 영역에 대한 긍정적인 결과의 보존을 조정하는 것은 거의 불가능합니다.
예, IMHO는 다른 대초원에서만 동일합니다. 최적의 영역은 결과를 기반으로 하는 일종의 스무딩 필터입니다.
이것은 특정 도매 범위에서 대상 지표(예: 이익 계수)의 평균 값입니다.
대상의 평균값이 충분한 도매의 범위가 테스트의 모든 영역에서 유지될 수 있을 만큼 충분히 넓은 것이 중요합니다. 일부 실행은 일시적으로 손실 영역에 들어갈 수 있지만 평균적으로 범위는 수익성을 유지해야 합니다. 이것이 모든 옵션에 해당된다면 시스템은 강력합니다.
일반적으로 요점은 단일 실행이 아닌 전체 전체의 견고성을 평가하는 것입니다.
예를 들어, 우리는 사람의 IQ가 키에 달려 있다고 결정했습니다. 1000명에게 최적화되었으며 162cm의 키가 평균적으로 최대 IQ에 도달하는 것으로 나타났습니다. 그런 다음 그들은 다른 사람들에게 포워드를 테스트하기 시작했고 잘 작동하지 않았습니다)) 그러나 160-170cm의 키를 가진 사람들이 각 샘플에서 안정적이라는 것이 밝혀지면 예를 들어 평균 IQ가 더 높습니다 , 그러면 이것이 사고일 가능성은 하나의 값을 선택할 때보다 훨씬 적습니다(표본에 더 많은 사람이 있기 때문에). 그리고 이것은 키 자체에 대한 IQ의 의존성이 발생한다는 것을 의미합니다.
첨부 파일의 새 버전, 이번에는 자금 관리 기능이 있습니다(예금의 비공격적인 비율):
첨부 파일의 새 버전, 이번에는 자금 관리 기능이 있습니다(예금의 비공격적인 비율):
피팅의 문제는 일부는 개별 최적화 결과(실행)만 분석한다는 것입니다. 그리고 최적의 영역에 대한 총 결과를 종합적으로 고려할 필요가 있습니다. 그리고 앞으로는 필요하지 않습니다.