Вероятностные нейронные сети, пакеты и алгоритмы для MT4 - страница 19

 
пробовал работать с топологией изменяя степень сглаживания сигнала или изменять качественно входной массив - результаты ужасные. В вероятностных сетях неискушенному глазу сразу бросается в глаза несколько методологических противоречий встречающихся при разработке сети - одно из них это то что диапазон тестового периода пропорционален нелинейности сети. То есть как оптимизировать сеть непонятно.
 
да что говорить... вот держите эту порнографию))
 
вот она
Файлы:
pnn.zip  906 kb
 
xproit:
вот она


Бегло взглянул. Вы правы - порнография)

Зачем такой громадный огород совершенно несогласованых входов??? Какой смысл одновременно пихать на вход абсолютные значения и их разницу? Сети от этого "пьянеют"...

 

Дело в том что подготовку файла данных я делаю в MT4 пихая все что есть а уже в NEUROSHELL 2 там непосредственно отбираю, комбинирую и т.д

 
xproit:

Дело в том что подготовку файла данных я делаю в MT4 пихая все что есть а уже в NEUROSHELL 2 там непосредственно отбираю, комбинирую и т.д


А можете показать файл входных данных для NS2?

И что у Вас является критерием классификации входного набора т.е. почему Вы определяете что этот набор например покупка, этот продажа? Упс, сам разглядел..

З.Ы. Я кстати буквально пару дней назад откопал относительно свежий NS2, как раз с целью поэкспериментировать в нем с PNN...

 
Все равно я использую сети в торговле. Для подтверждения торговых сигналов предсказанными значениями показателя. Это главное преимущество наверно всего данного метода по отношению к запаздывающим и усредненным показателям. При предсказании сглаженных линий, к примеру BZL MACD(High,15,30) на 3 точки вперед, используя даже лаги индикатора на входе у меня получается коэффициент корреляции в среднем 0.995.
 

По сути вероятностные сети менее требовательные к задаче определения входного массива. Сеть при обучении использует алгоритм индивидуальных поправок к параметру сглаживания каждого входа а также общего параметра сглаживания. То есть при тренировки значения индивидуальных параметров сглаживания используются как инструмент для анализа чувствительности входа чем больше параметр для данного входа, тем более важным является вход для модели. То есть по входному массиву сеть не оптимизируется. Желательно предоставить ей больше входов (кандидатов).

 
Попробуйте поработать с ними я тоже занимаюсь с ними не так давно. Вот индикатор для подготовки файла данных точнее скрипт
Файлы:
pnn_opt_1.zip  2 kb
 
xproit:
Попробуйте поработать с ними я тоже занимаюсь с ними не так давно. Вот индикатор для подготовки файла данных точнее скрипт


Спасибо посмотрю.