O que alimentar a entrada da rede neural? Suas ideias... - página 35
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 é realista usar um ano ou mais de NS sem retreinamento.
Se a rede puder operar por uma ou duas semanas sem retreinamento (no máximo um mês), esse é um ótimo resultado.
Embora alguns pipsarianos treinem novamente a rede a cada 24 horas.
Foi por isso que eu postei, nugget. Na rede mais simples, durou um ano e pouco.
Não é realista usar um ano ou mais de NS sem retreinamento.
Se a rede puder operar por uma ou duas semanas sem retreinamento (no máximo um mês), esse é um ótimo resultado.
Embora alguns pipsarianos treinem novamente a rede a cada 24 horas.
Já estou cansado desses neurônios. Vou relatar reações curiosas e esquecê-las por enquanto. Em geral, no processo de exploração artística e realização da minha criatividade, tentei o seguinte:
1) Peso dinâmico: dependendo do intervalo em que se encontra o número de entrada de -1 a 1, o peso muda. Otimização: limites do intervalo e os próprios pesos. Resultado: com arquiteturas pequenas, parece mais estável do que o MLP normal. 2) Peso dinâmico dependendo do padrão dos dados de entrada.
Otimização: pesos, cujo número depende do número de dados de entrada, e intervalos, com base nos quais (mais/menos) é possível criar relações (padrão). Resultado: também pareceu mais estável do que o MLP normal. O que significa "estável"?
- Percepção absolutamente subjetiva dos resultados da execução obtidos ao otimizar os conjuntos, que são menos parecidos com um mingau aleatório e mais áreas à frente, onde houve um crescimento uniforme. Então, surgiu uma ideia: a ideia é que, ao fornecer uma sequência temporal estrita de dados como entrada, ao mover a janela em uma etapa, os pesos do MLP "estragam o quadro", fornecendo um resultado completamente diferente, porque os dados de entrada e os próprios pesos na nova etapa são muito diferentes. Embora, aparentemente, o padrão de entradas seja o mesmo! Apenas uma nova entrada foi adicionada, e a mais antiga foi descartada.
M as ao multiplicar pelo MLP, as informações sobre o padrão que se move para o passado são simplesmente apagadas. Decidi experimentar esse esquema.
3) Tambor de escala.
Ao mover a janela de entrada para a esquerda, os pesos são correspondentemente deslocados para trás e, em uma nova entrada (fresca), multiplicamos pelo último peso da etapa anterior, movendo a janela de pesos em paralelo com as entradas, ou por um novo peso, se quisermos criar um tambor de pesos adicionais. Minhas curvas são lidas da direita para a esquerda (não sei por que as desenhei dessa forma, é claro).
Em seguida, parafusei o método dos pontos 1 e 2. Otimização: todos os itens acima. Resultado: nenhuma surpresa. O último método me veio à mente quando olhei para o quadro explicativo da rede convolucional CNN por um longo tempo. Havia uma espécie de incompletude ou incompletude.
Provavelmente, eu deveria dar uma olhada na CNN novamente. INPUTS: 1) Encontrei o mais estável usando o indicador ZigZag. Para entrar: a proporção do tamanho da última "perna" do ziguezague em relação ao tamanho de suas outras pernas. 2) Aumento de preço.
Ou seja, dependendo da cor do candle, alimente a proporção de sua primeira sombra, segunda sombra e corpo em relação ao seu tamanho. 3) A proporção do incremento Close1-Close2 em relação ao tamanho do candle1. Os resultados agradaram o fato de que houve poucas "emissões" de ações, sua tagarelice repugnante ou, em palavras simples, o excesso de posições.
Relacionado a esse fenômeno está a média dos resultados ao multiplicar os pesos do MLP, quando o saldo cresce suavemente, mas o patrimônio líquido treme loucamente. 4) A proporção deClose1 para fractais para cima e para baixo em h1/h4/d1.
T odo o resto (posso ter perdido alguma coisa) - mais aleatório no período avançado e ensinado, sujo, feio, não suave, abrupto, nojento. Mas não falei sobre os padrões na entrada do tamanho da tendência.
Ainda não consegui testá-lo normalmente, mas o ziguezague e os fractais, como uma variante, podem falar sobre o mesmo resultado, em princípio.
Tenho a mesma associação de diagrama estrutural de rede neural - um filtro digital
mas não está claro para mim
por que em todos os programas de rede neural cujos códigos eu li, o coeficiente é 1,0?
Idealmente, se cada neurônio é um pouco de um filtro digital, então os coeficientes não devem ser iguais a 1,0.
Portanto, os coeficientes são os preditores e é isso que precisamos selecionar e alimentar a entrada da rede neural.
e como os coeficientes podem ser simplesmente calculados usando uma fórmula, por que se dar ao trabalho de criar uma rede neural?Ivan Butko #:
...
3) Tambor de pesos.
Ao mover a janela de entrada para a esquerda, os pesos são correspondentemente deslocados para trás e, em uma nova entrada (fresca), multiplicamos pelo último peso da etapa anterior, movendo a janela de pesos em paralelo com as entradas, ou por um novo peso, se quisermos criar um tambor de pesos adicionais. Minhas curvas são lidas da direita para a esquerda (não sei por que as desenhei dessa forma, é claro).
... INPUTS: 1) Achei a mais estável usando o indicador ZigZag Input: a proporção do tamanho da última "perna" do ziguezague em relação ao tamanho de suas outras pernas. ...
Executei-o nesta implementação, escolhi o conjunto superior, que tem 600 negociações (todas acima de - 200 e poucos), e o superior com 200~. Não consegui fazer melhor.
R enat Akhtyamov #:
Tenho a mesma associação de esquema estrutural de rede neural - um filtro digital
mas não está claro para mim
por que em todos os programas de rede neural cujos códigos eu li, o coeficiente é 1,0?
Idealmente, se cada neurônio é um pouco de um filtro digital, então os coeficientes não devem ser iguais a 1,0.
Portanto, os coeficientes são os preditores e é isso que precisamos selecionar e alimentar a entrada da rede neural.
E como os coeficientes podem ser simplesmente calculados por meio de uma fórmula, por que se dar ao trabalho de criar uma rede neural?Formule-o de forma mais simples, para pessoas orçamentárias, não entendo o que é coeficiente....
Eu o executei nesta implementação, escolhi o conjunto superior, que tem 600 negociações iniciadas (todas as mais altas são de 200 e poucos), e a mais alta com 200~. É mais ou menos assim que funciona. Não consegui fazer nada melhor.
Em termos mais simples, para os orçamentistas, não entendo qual é o coeficiente.....
publicado recentemente, encontrou uma vez as respostas para quase todas as perguntas:
Literatura sobre as disciplinas ensinadas (digteh.ru)
a estrutura de um dos filtros
O que não é neurônica?
postado há algum tempo, encontrei as respostas para quase todas as perguntas:
Literatura sobre as disciplinas ensinadas (digteh.ru)
estrutura de um dos filtros
o que não é neurônica?
Puxa vida.
Que skynet. Se for bom para o comércio, obrigado pela postagem.
Puxa vida.
Que skynet. Se isso for bom para o comércio, obrigado pela postagem
E aqui está outro.
É praticamente uma réplica dos neurônios que todos aqui fazem.
postado há algum tempo, encontrei as respostas para quase todas as perguntas:
Literatura sobre as disciplinas ensinadas (digteh.ru)
estrutura de um dos filtros
o que não é neurônica?
Esse é um filtro BIR, eles são mais difíceis de implementar e as mudanças de fase são não lineares.
R enat Akhtyamov #:
e aqui está outro
quase uma cópia dos neurônicos que todos estão fazendo aqui
E esse já é um filtro FIR, facilmente calculado no Matlab e muito facilmente implementado em software. E se a placa for compatível com OpenCL, esse filtro poderá ser paralelizado muito bem. Mas o OpenCL não entrará no mercado, é apenas para você mesmo ou para vender de forma independente. E você pode calcular facilmente os filtros de graça na versão on-line do Matlab, que lhe dá 20 horas por mês gratuitamente. O mais engraçado é que, apesar das sanções, eu saio da Rússia sem VPN e meu registro é @yandex.ru )). Procure a guia Apps na barra superior e há uma seção sobre filtros na parte inferior. Em Filter Design, você pode calcular os coeficientes. Na versão para desktop, há o Filter Builder, no qual você pode importar o filtro calculado como uma função e, em geral, as possibilidades são maiores do que as on-line. A propósito, é muito fácil converter funções do Matlab em DLLs do Matlab que podem ser chamadas diretamente da MQL5. O Matlab tem ferramentas integradas para essa finalidade. A desvantagem é que, para que essas DLLs funcionem, você precisa instalar o tempo de execução distribuído gratuitamente pela mathworks, e isso costumava custar mais de meio gigabyte, agora provavelmente é ainda maior.
Sim, obrigado pelo link com a literatura, há muito material interessante.
Esses filtros são do tipo BIR, são mais difíceis de implementar e as mudanças de fase não são lineares.
E esse já é um filtro FIR, facilmente calculado no Matlab e muito facilmente implementado em software. E se a placa for compatível com OpenCL, esse filtro poderá ser paralelizado muito bem. Mas com o OpenCL não será comercializado, é apenas para você mesmo ou para vender de forma independente. E você pode calcular filtros de forma fácil e gratuita na versão on-line do Matlab, que lhe dá 20 horas por mês gratuitamente. O mais engraçado é que, apesar das sanções, eu saio da Rússia sem VPN e meu registro é @yandex.ru )). Procure a guia Apps na barra superior e há uma seção sobre filtros na parte inferior. Em Filter Design, você pode calcular os coeficientes. Na versão para desktop, há o Filter Builder, no qual você pode importar o filtro calculado como uma função e, em geral, as possibilidades são maiores do que as on-line. A propósito, é muito fácil converter funções do Matlab em DLLs do Matlab que podem ser chamadas diretamente da MQL5. O Matlab tem ferramentas integradas para essa finalidade. A desvantagem é que, para que essas DLLs funcionem, você precisa instalar o tempo de execução distribuído gratuitamente pela mathworks, que costumava ser mais de meio gigabyte, mas agora provavelmente é ainda maior.
Sim, obrigado pelo link com a literatura, há muito material interessante.
Em algum lugar do fórum havia um EA sobre o Mashka, que fez o chat do GPT.
O mais interessante é que o código analisa o MA tanto na direção de aumentar o número de barras quanto na de diminuir.
É claro que não tentei aplicar isso na prática por causa de repetidos fiascos ao usar indicadores, mas acho que há algo nele.
---
TC fez uma pergunta sobre a negociação no MN1.
Acho que a ideia desse tipo de negociação, devido à defasagem decente dos indicadores, acabará se resumindo à análise da situação econômica, não do gráfico.