Redes neuronais probabilísticas, pacotes e algoritmos para MT4 - página 12

 
klot:
Renegar:
Cavalheiros!
Então, o que devemos inserir na rede neural? Que erro funcional devemos escolher?


A julgar pelo conteúdo, não há muitas pessoas interessadas. Muitas pessoas pensam que se trata do software....

Eu sugiro que você comece com a inclinação da linha de regressão com períodos diferentes. E você pode começar com TFs diferentes. :)

Funcionalidade de um erro - lucro máximo.

Olá!
O ângulo de regressão linear à entrada, em minha opinião, é muito interessante!
É fácil calcular o ângulo da régua (pegar dois pontos, arctangente e ir). Mas será o ângulo para o TF dado. Acontece que, para cada TF, será um coeficiente diferente que define a escala vertical. Como você resolve este problema?
 
VBAG:
klot:
Renegar:
Cavalheiros!
Então, o que devemos inserir na rede neural? Que erro funcional devemos escolher?


A julgar pelo conteúdo, não há muitas pessoas interessadas. Muitas pessoas pensam que se trata do software....

Eu sugiro que você comece com a inclinação da linha de regressão com períodos diferentes. E você pode começar com TFs diferentes. :)

Funcionalidade de um erro - lucro máximo.

Olá!
O ângulo de regressão linear à entrada, em minha opinião, é muito interessante!
É fácil calcular o ângulo da régua (pegar dois pontos, arctangente e ir). Mas será o ângulo para o TF dado. Acontece que, para cada TF, será um coeficiente diferente que define a escala vertical. Como você resolve este problema?


Não é difícil introduzir coeficientes para cada TF. Também é possível fazer sem coeficientes, basta escalar todos os valores para uma determinada faixa e enviar para a entrada do NS.

 
klot:


A entrada de um coeficiente para cada TF não é difícil. Também é possível prescindir de coeficientes, basta escalar todos os valores para uma determinada faixa e alimentá-los com a entrada NS.

Eu defino TF em tinta e seleciono um coeficiente pré-selecionado de acordo, mas eu mesmo não gosto deste método. Não sei como escalá-lo.

P.S. Eu fui ao seu fórum para me registrar.
 
VBAG:
klot:


Entrar o coeficiente para cada TF não é difícil. Você também pode prescindir de coeficientes, basta escalar todos os valores para uma determinada faixa e alimentá-los com a entrada NS.

Eu defino TF em tinta e seleciono um coeficiente pré-selecionado de acordo, mas eu mesmo não gosto deste método. Não sei como escalá-lo.

Tenho um bom pressentimento quando estou tentando abrir minha conta comercial.


eu não negociaria olhando para uma TF... negociar em uma TF é como atravessar cegamente o mkad.

em escalada

aqui está uma idéia para um meio

pegue

m1 m5 m15 m30 isto é para entrar no H1 H4 D1 como tendência dominante

no m1 m5 m15 m30 você precisa pegar a divulgação completa do ventilador de uma vez por 4 períodos de tempo

ou seja, MA1 M3 M5 M8 M13 M21 M34 M89 deve abrir um ventilador de médias de uma só vez ou começar a abri-lo!

a propósito, o apostador tem pontos muito semelhantes!

mas no NEUROSET precisamos alimentar algo como 0 ou 1 para cada média em cada período de tempo

Proponho como opção tomar a distância entre as médias para levar a 1 se a mais difícil abaixo da luz mais próxima

esta será uma tendência UP nestas duas médias

quando todas as médias em m1 m5 m15 m30 mostram 1 este é o topo UP - então a análise do TF superior

ou seja, sempre começamos a procurar uma entrada na M1 e depois subimos para a TF mais alta

exemplo de como escalar a distância entre as médias

para cada média, para cada barra uma matriz

..

AdE = 10000;

mas[0][1][ off+ _i ] = iMA(),PERÍODO_M1, 5, 0 , MODE_EMA, PRICE_CLOSE, off+ _i );
tmp = mas[0][1][ off+ _i ]-mas[0][2][ off+ _i ]; // entre 5 e 8
tmp = MathCeil(AdE*tmp)/AdE; // simplificação adaptativa
if(tmp>1) tmp=1; if(tmp<-1) tmp=-1;
NN[1][1][_i+8] = tmp; // // // colocar -1 ou 1 na faixa de grade -1 ... 1

mas[0][0] [ off+ _i ]= iMA(),PERÍODO_M1, 3, 0 , MODE_EMA, PREÇO_CLOSE, off+ _i );

tmp = mas[0][0] [ off+ _i ]- mas[0][1][ off+ _i ]; // escala entre 5 e 3 mas
tmp = (tmp) / Ponto;
tmp = MathCeil(AdE*tmp)/AdE; // simplificação adaptativa
if(tmp>1) tmp=1; if(tmp<-1) tmp=-1;

NN[1][1][1][_i] = tmp; // -1 ou 1

Espero que você entenda o que é uma abertura total do ventilador e o ponto de partida da abertura do ventilador

As PNNNs armazenam quase todos os dados internamente - aprendizagem rápida - mas usam muita memória e são lentas

digamos 4 prazos em média 1 3 5 8 13 21 34 55 89 e digamos 5 barras

5 * 9 = 45 neurônios para o intervalo de tempo de acordo com o conjunto de médias

45 * 4 = 180 neurônios para todos os TFs

você pode tentar distribuir neurônios em camadas M1 M5 M15 M30 que serão 4 camadas

Eu acrescentaria sinais de DIVERGÊNCIA à camada mais próxima da saída

 
YuraZ:
VBAG:
klot:


A entrada de um coeficiente para cada TF não é difícil. Também é possível prescindir de coeficientes, basta escalar todos os valores para uma determinada faixa e alimentá-los com a entrada do NS.

Eu defino um TF em tinta e seleciono um coeficiente pré-selecionado de acordo, mas eu mesmo não gosto deste método. Não sei como escalá-lo.

P.S. Eu fui ao seu fórum para me registrar.


Eu não negociaria LOOKING em uma TF... negociar em uma TF é como atravessar cegamente o MKAD

escalada

aqui está uma idéia para as médias

pegue

m1 m5 m15 m30 isto é para entrar no H1 H4 D1 como a tendência dominante

no m1 m5 m15 m30 é necessário pegar a abertura total do ventilador em 4 períodos de tempo de uma só vez

Oi Yuri, eu também não trocaria LOOKING em uma TF..... Além disso, já expressei uma vez meus mais profundos lamentos pela falta de TFs não padronizados, cuja disponibilidade teria me dado a oportunidade de monitorá-los em busca dos sinais mais confiáveis. É como um gopher - não podemos vê-lo, mas ele está lá! Por exemplo, no 30º minuto ainda não abriu, e no 28º minuto há um sinal.
Bem, este é um tema separado muito profundo. Há desenvolvimentos nesta direção. Meu saboneteira está no perfil.

Quanto à escalada, eu quis dizer um pouco diferente.
Aqui eu esbocei um indicador para demonstrar minha pergunta que vem me incomodando há muito tempo. Ele traça uma linha de regressão linear. Suponha que queremos medir seu ângulo de inclinação, mas que escala escolher na direção vertical (por preço)?Mesmo em uma TF a compressão vertical é possível:


No indicador introduzi o fator k para o ajuste visual da tabela necessária. Na verdade o valor do ângulo em si não tem significado, o que é importante é sua mudança. Mas eu gostaria que
fosse um valor (não necessariamente um ângulo em graus) com a mesma escala de variação para qualquer TF.
Penso que a matemática resolve este problema de uma forma ou de outra.

Eu não posso dizer nada sobre as redes neurais. Eu nunca os projetei (especialmente em C), mas gostaria de fazê-lo, mas não tenho tempo.

P.S. Eu gosto de seu Consultor Especialista em divergências. Desejo-lhe um bom final no campeonato.
Arquivos anexados:
 
2 Paramon
não consegue encontrar NeuroDimension NeuroSolution 5.06 Developer, pode... qualquer um... ...pelo menos me dê uma dica. andrew.opeyda(dog)gmail.com
Eu tenho um:
Vistas E
Analista Politécnico 46
Evolver 4.06
 
njel:
2 Paramon
não consegue encontrar NeuroDimension NeuroSolution 5.06 Developer, pode... qualquer um... ...pelo menos me dê uma dica. andrew.opeyda(dog)gmail.com
Eu tenho um:
Vistas E
Analista Politécnico 46
Evolver 4.06

É melhor obtê-lo no site do desenvolvedor, mas você precisará de um pequeno registro.
 
Mais precisamente, eu não posso compilar a DLL. A criação do Dll falhou, mesmo no exemplo demo. e o NeuroSolution é o único pacote que funciona para mim até agora. (Obrigado também neste ponto. ))
 

Como preparar dados para a entrada de neurônios!

Suponha que haja um neurônio com três entradas, cada entrada tem uma escala W

o neurônio precisa emitir um valor

O neurônio de 1ª escolha recebe alguma gama de dados já transformados, digamos { -1,0 -0,9 -0,8 -0,7 ... 0 . 0.1 0.2 ... 0,7 0,8 0,9 0,9 1. 0} para cada entrada

há apenas dois valores 0 : 1 de saída

Opção 2, o neurônio recebe alguma gama de dados já transformados, digamos { -10,0 ... 0 ... 10,0 } em cada entrada

a saída é também a mesma faixa de valores, mas incluindo os pesos

a opção 3 recebe { 1 0 0 0 } em cada entrada na saída, dependendo dos pesos { 0 1 }

como preparar até mesmo os dados de conversão corretos.... para um neurônio... não pode ser apenas 1 e 0 ... tem que haver uma gama ?

Estou falando da camada de entrada! Cada camada encolhe cada vez mais os dados

A idéia é ter 6 estados na saída da rede e não apenas 1 e 0

na saída temos 6 estados

1 1-venda

2 Venda em 1-clique

3 1 comprar

4 Compra em 1-clique

5 1-venda a tendência de aumento

6 1Tendência de venda - tendência decrescente

talvez eu esteja errado

 
o que dar como entrada e o que dar como saída depende da função de ativação
frequentemente se a função é uma tangente hiperbólica, as entradas são normalizadas para -1...1 ou 0...1
mas quem em neurosolutions compilou a dll?