Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 868
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Konuyla ilgili soru.
Millet Meclisinin her türlü göstergeyi kendi içinde yansıtabileceğine inanılmaktadır.
Herhangi biri bir deney yapmaya çalıştı mı - Ulusal Meclis, örneğin MA'yı çoğaltabilir mi? Veya MACD veya dijital filtre ?
Belki sorun değil. Birçok NS paketinde bunun gibi şeyler tasarlayan bir sürü örnek.
Ancak sadece bir araç tasarlarsanız, kendi içinde ne yaptığı bir sır olarak kalacaktır. Sadece katsayılar.
Belki sorun değil. Birçok NS paketinde bunun gibi şeyler tasarlayan bir sürü örnek.
Ancak ancak bir araç tasarlarsanız, kendi içinde ne yaptığı bir sır olarak kalacaktır. Sadece katsayılar.
Paketler genellikle süsen ve ilaç vb. içerir. - pazar hindileri ile bir şey hatırlamıyorum.
MA çok basit olsa da: MA10 için - v=1 ile 10 giriş ekleyin, girişlerin geri kalanına v=0 atayın ve ardından k=10 alın.
Dijital filtreler aynıdır, ancak v, 1'e eşit olmayacak, ancak filtre formülüne göre diğer değerlere eşit olacaktır. Ve teorik olarak, NN standart filtrelerden hiçbirini bulamıyor, ancak pazar için en uygun olan benzersiz bir filtre buluyor.
Onlar. aslında 1 nöron bir dijital filtredir (DF).
Birkaç nöron, birkaç dijital filtrenin (deltalar, toplamlar) etkileşimlerini elde etmenize izin verecektir. 2. dereceden etkileşimlere ihtiyacınız varsa (deltadan delta) - 1 gizli katman daha eklemeniz gerekir.
2 CF'nin ürünü, çıkış nöronundaki 2 nörondan elde edilemez - sadece toplama vardır. Ancak ayrı bir nöronda yeniden hesaplanabilir, sadece v ve k farklı olacaktır.
Genel olarak, benim için bu, ZF'de olduğu gibi Ulusal Meclis'e de yeni bir bakış.
Paketler genellikle süsen ve ilaç vb. içerir. - pazar hindileri ile bir şey hatırlamıyorum.
MA çok basit olsa da - basit: MA10 için - v=1 ile 10 giriş ekleyin, girişlerin geri kalanına v=0 atayın ve ardından k=10 alın.
Dijital filtreler , filtre formülüne göre v 1'e değil, diğerleri kadar basittir. Ve teorik olarak, NN standart filtrelerden hiçbirini bulamıyor, ancak pazar için en uygun olan benzersiz bir filtre buluyor.
Onlar. aslında 1 nöron bir dijital filtredir (DF).
Birkaç nöron, birkaç dijital filtrenin (deltalar, toplamlar) etkileşimlerini elde etmenize izin verecektir. 2. dereceden etkileşimlere ihtiyacınız varsa (deltadan delta) - 1 gizli katman daha eklemeniz gerekir.
Daha önce buna benzer bir şey yazmıştım. Artı NS'ye 2 katman ve sizin için herhangi bir tahmin göstergesi yapacak. Ve rahatsız edecek bir şey yok.
Daha önce buna benzer bir şey yazmıştım. Artı NS'ye 2 katman ve sizin için herhangi bir tahmin göstergesi yapacak. Ve rahatsız edecek bir şey yok.
Bir zaman serisi yerine rastgele bir grup standart ve standart olmayan gösterge (örneğin, MA, CCI, RSI farklı periyotlarla) gönderirsek seçim gereklidir.
Bunlardan tamamen uygun olmayanları atmak gerekir. Girişte zaman serisi olan NN, gerekli katsayılara sahip göstergeleri seçecektir.
O zaman, tahmin edicilerin seçiminin gereksiz bir şey olduğu ortaya çıkıyor ve bu, girdi verileri çubuklardan geliyorsa bile engel olabiliyor.
Bir zaman serisi yerine rastgele bir grup standart ve standart olmayan gösterge gönderirsek seçim gerekir.
Bunlardan tamamen uygun olmayanları atmak gerekir. Girişte zaman serisi olan NN, gerekli katsayılara sahip göstergeleri seçecektir.
Evet. Millet Meclisi'nin girişinde normalleştirilmiş bir zaman serisi var. Diyelim ki NA yapısı -15-20-15-10-5-1 zaten iyi gidiyor.
Uzunları ve şortları belirlemek için 2 NS'ye ihtiyacınız var.
O zaman, tahmin edicilerin seçiminin gereksiz bir şey olduğu ortaya çıkıyor ve bu, girdi verileri çubuklardan geliyorsa bile engel olabiliyor.
Bir zaman serisi yerine rastgele bir grup standart ve standart olmayan gösterge gönderirsek seçim gerekir.
Bunlardan tamamen uygun olmayanları atmak gerekir. Girişte zaman serisi olan NN, gerekli katsayılara sahip göstergeleri seçecektir.
zaman serisinin girişinde dosyalandı (çıplak fiyatlar)
girdiye beslenen göstergeler ve artışlar ( üstel dönemleri olanlar vb. dahil)
pz..ts farkı yoktur, ancak farklılıkların kosinüslerini, farklılıkların tanjantlarını ve hiperbolik örgüler ve tanjantları uyguladığınızda bir fark vardır ... neden böyle - xs, ancak TS'nin performansı biraz artıyor
Evet. NN'nin girişinde normalleştirilmiş bir zaman serisi bulunur. Bakalım, NS -15-20-15-10-5-1'in yapısı zaten iyi gidiyor.
Uzunları ve şortları belirlemek için 2 NS'ye ihtiyacınız var.
Yaklaşık 2 NS pratikte zaten ulaştı ve onu kullanmamın tek yolu bu. 3 sınıf varsa (al, bekle, sat) orta sınıf, özellikle çıkışta ise çok hızlı kayar. nöron sigmoidi veya tanjantı.
Ama eğer regresyon... teoride ise çıktıda 1 nörona ihtiyaç vardır.
zaman serisinin girişinde dosyalandı (çıplak fiyatlar)
girdiye beslenen göstergeler ve artışlar (üstel dönemleri olanlar vb. dahil)
pz..ts farkı yoktur, ancak farklılıkların kosinüslerini, farklılıkların tanjantlarını ve hiperbolik örgüler ve tanjantları uyguladığınızda bir fark vardır ... neden böyle - xs, ancak TS'nin performansı biraz artıyor
Ardından, çıplak fiyatlardan bir analog oluşturmak için 3-4 gizli katman gerekir. Göstergeler için 1 katman + deltalar için 1 katman + kosinüsler ve teğetler için 1 katman. Denemedin mi?
hayır, şimdiye kadar sadece iskele kullanıyorum (farklı özelliklerde rastgele sayıda modelden oluşan bir topluluk), ortalama çıktı alınır
o. her şey hızlı çalışıyor