Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 594
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Não consigo dormir - fiz uma pequena leitura na internet. Eu gostei deste:
"O fato de que os aumentos são utilizados não é tão ruim em geral, a maioria dos preços logarítmicos são alimentados com o insumo, os aumentos são um passo à frente, embora ambos sejam adequados.
Conheço pessoas que puxaram o graal da NS, mas esses caras são tão fechados para a comunicação e até dicas sobre o que fazem, sou um novato, então definitivamente não tenho chance. Eu sei apenas que tudo é complicado, não é Vels, nem Metatrader e até mesmo S#, e C++ e MatLab com alguns chips que decodificam e interpretam dados vindos de caliders, acabou que esta é uma e a mesma metodologia, eu ouvi e me assustei, eles estão trabalhando com o tio que costumava moer terabytes por dia no CERN procurando por novas partículas no caos quântico.
Isso é engraçado. Mantenho a minha opinião - é necessário alimentar os mais puros, como uma lágrima, aumentos de preço para o insumo NS. São os incrementos que são a chave para tudo. Eles formam a base da solução para este problema. Na verdade, no Forex seguimos um processo pseudo-estacionário de movimento de um pacote wave ( função de densidade de probabilidade) desses incrementos. E nada mais. (Eu já escrevi este parágrafo :)))
É notável pela biografia de B.Fritzke que em 2001 ele terminou sua carreira de cientista na Universidade do Ruhr (Bochum, Alemanha) devido a uma oferta de emprego na Bolsa de Valores Alemã (Deutsche Bӧrse) . Não vou esconder que este facto serviu como um incentivo adicional para escolher o seu algoritmo como base para escrever este artigo.
https://www.mql5.com/ru/articles/163
em geral, estou espantado... sentado ao meu computador à noite... porque não escrevo um er... gás neural em crescimento... por exemplo...
BLEEP, surpreende-me como as pessoas são inteligentes.
...que está a jogar forex com ela mesma...
...bem, o Yuri já escreveu sobre isso...
Que tipo de neurónio pode fazer isso? Eu de alguma forma perdi essas mensagens.
Que tipo de neurônica pode fazer isso? Eu de alguma forma perdi essas mensagens.
Bem, o reforço da aprendizagem em geral, mas pode haver variações no
q-learning, por exemplo.
Não está incluído na seção de neurodinâmica ... porque é treinado de uma maneira diferente, mas a topologia e os pesos dos neurônios não mudam após o treinamento.
Está ligado. Mas você é todo sobre MCL, sim MCL. Estou a falar a sério. Não é bom, desde que estejamos envolvidos em DM. Imho.
Em segundo lugar, eu próprio tenho o MCL apenas como uma interface, o que significa que, se necessário, posso alterar as interfaces sem alterar o sistema de análise.
Todos falam sobre o que alimentar o input. Na minha opinião, o que alimentar a produção é igualmente importante. Se você alimentar o ziguezague, a rede não é treinada em nenhuma entrada. Se você equilibrar as aulas. Ou seja, se removermos a maioria dos inputs que não mostram reversões, o resultado também não retém a água. Se definirmos o preço médio de uma barra superior ou inferior ao da barra anterior como outputs. Recebemos exactamente 50% das respostas correctas. O que também não é bom. O que mais podemos inventar?
Olá, já acabaste o robô? Com a IA.
é hora de testá-lo ))
Pensamento interessante https://monographies.ru/en/book/section?id=2465.
Ao modelar redes neurais com funções de ativação de neurônios lineares, é possível construir um algoritmo que garante a obtenção de um erro de aprendizagem mínimo absoluto. Para redes neurais com funções de ativação não-linear, geralmente não é possível garantir que se atinja um mínimo global da função de erro.
...............
No caso de um modelo de rede linear e uma função de erro como soma dos quadrados, tal superfície (da função de erro) seria um parabolóide, que tem um único mínimo, o que torna relativamente fácil encontrar tal mínimo.
No caso de um modelo não linear, a superfície de erro tem uma estrutura muito mais complexa e tem uma série de propriedades desfavoráveis, em particular, pode ter mínimos locais, áreas planas, pontos de sela e ravinas longas e estreitas.
Talvez devêssemos usar mais neurónios para funções de activação não lineares? A fim de suavizar todas estas irregularidades.
Todos falam sobre o que alimentar o input. Na minha opinião, o que alimentar a produção é igualmente importante.
Quando se entra num edifício chamado "Estatísticas", diz"Lixo dentro, lixo fora" por cima da entrada.
Quando se entra num edifício chamado "Estatísticas", diz"Lixo dentro, lixo fora" por cima da entrada.
))
Primeiro, não sou eu, mas Maxim sobre MCL, e é por isso que escrevi que não funcionou.
Em segundo lugar, eu próprio tenho o MCL apenas como interface, por isso, se necessário, posso alterar as interfaces sem alterar o sistema de análise.