O "New Neural" é um projecto de motor de rede neural Open Source para a plataforma MetaTrader 5. - página 77
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
A tarefa é encontrar um vetor que dividisse o mercado em clusters de Tendência para cima, Tendência para baixo, Tendência para o leste.
Por exemplo, vamos formar um conjunto de vectores de acordo com a nossa fantasia X{x1,x2,x3,x4,x4,x5,x6,x7}.
x1= período MA
x2= período de Mestrado
x3= valor de MA
x4= valor do RAR
x5=dispersão, por exemplo
x6= componente de tendência de MA(N)-MA(N-1)
x7= número de intersecções de MA e preço
Se agruparmos a matriz desses vetores usando o mapa Kohonen, veremos vetores próximos. Acontece que a maior influência nas distâncias euclidianas será x1,x2,x4,x7. Embora as características x3,x5,x6 não sejam menos, se não mais importantes. Podemos normalizar todos os x's no intervalo -1...1, mas não consigo ver como. Ou podemos tomar características de mercado que estão próximas umas das outras, neste caso obtemos uma comparação de moscas com costeletas.
Os vetores estarão próximos a :
X1{10,13,26,12,42,48,98} e
X2{11,12,27,14,43,46,88} e o vetor X3 estará em outro cluster
X3{101,12,27,14,43,46,88}
embora não seja um facto, fui eu quem mostrou como os clusters seriam separados por distância Hamming, como seriam os parâmetros dos vectores se fossem separados por "Trend Veer, Trend Down, Trend Lateral" que um FF conhece :)
Basicamente, descobrimos isso. Não posso passar sem o racionamento. Suponha três vectores
Х1 {10,10,0.1}
Х2 {11,10,0.3}
X3 {10,12,-0,2} Parece que os três vetores pertencem ao mesmo cluster
Na amostra de treinamento x1= min 0 max 20, x2= min -10 max 40 x3= min -0,5 max 0,5 Agora normalize os vetores iniciais
Х1 {0.5, 0.2, 0.1}
Х2 {0.55, 0.2, 0.3}
X3 {0.5 , 0.24, -0.2} clusters são diferentes, podemos normalizar esses vetores para um vetor unitário, mas isso não será necessário. Acho que deve funcionar.
Basicamente, descobrimos isso. Não podes passar sem racionar...
Em princípio tudo está correto, você não pode passar sem a normalização, caso contrário você teria que procurar por pesos em uma faixa muito grande (ou seja, transferir a questão da normalização para os ombros da grade). Mas não se esqueça que a distribuição em clusters não se baseia na proximidade direta dos vetores de entrada, mas em coeficientes de ponderação. Pode acontecer que dois vetores localizados um perto do outro (por parâmetros) estejam em clusters diferentes e que os distantes estejam no mesmo cluster. Tudo depende do FF.
Estou pensando se devo escrever uma dll para trabalhar com a CUDA ou esperar, tenho outro tema de GPU, além do neuro.
Renat, como estão as coisas com OpenCL e integração de armazenamento em ME ?
Estou pensando se devo escrever uma dll para trabalhar com a CUDA ou esperar, tenho mais um tema de GPU, além do neuro.
O OpenCL em beta está sendo desenvolvido, o repositório também está em beta.
Na próxima compilação, na próxima semana, vamos agradar com a inclusão do Market e talvez o armazenamento no editor.
OpenCL em beta - em desenvolvimento...
A construção da próxima semana incluirá o Mercado e talvez o armazenamento no editor.
Beta ou versão completa ?
O mercado está completo.