Sinir ağları konusunda danışmanlar, deneyim paylaşımı. - sayfa 3

 
Maxim Dmitrievsky :

Kimse düşünmedi, sadece ilginç olduğunu düşündüm)

Bunun ilginç olduğu gerçeği, kimse tartışmıyor!

Ancak bir uzmanlık eğitimine birkaç adımda atlayamazsınız - bundan hiçbir anlam ifade etmeyecek ...

Sinir ağı kendi başına "doğru çıktı" vermeyecektir - bu sihirli bir değnek değildir. Sinir ağı olmadan bile iyi bir sonuç verecek bir ticaret stratejisi için doğru fikre ihtiyacımız var...

 
Serqey Nikitin :

Bunun ilginç olduğu gerçeği, kimse tartışmıyor!

Ancak bir uzmanlık eğitimine birkaç adımda atlayamazsınız - bundan hiçbir anlam ifade etmeyecek ...

Sinir ağı kendi başına "doğru çıktı" vermeyecektir - bu sihirli bir değnek değildir. Sinir ağı olmadan bile iyi bir sonuç verecek bir ticaret stratejisi için doğru fikre ihtiyacımız var...

Fikir hakkında tartışmıyorum, elbette gerekli. Ancak sinir ağı, fikri hızlı bir şekilde test etmeye veya en azından hareket etmenin yollarını bulmaya da yardımcı olacaktır. Örneğin, hepsi + - aynı şeyi gösteren 11 standart osilatör girişinin hiçbir şey vermediğini zaten görüyorum. Benzer şekilde, bir girişle ticaret yapabilir.

Atlama konusunda haklısın, bu benim uzmanlık alanım değil, matematikçi veya programcı bile değilim. Neyse ki, bir sinir ağının ne olduğunu ve ne yaptığını anlamak oldukça mecazi, çünkü bu sınıf gibi hazır çözümler zaten var. Ve sonra sadece deney yapın, piyasa anlayışınızı kullanarak, bazı fikirleri test edin ..

 
Алексей :

Şimdi sinir ağı ile ilgili konuya bakacağım .... Uzun zamandır dörtteydi.

http://forum.mql4.com/en/38550

Girişte, fiyatlar arasındaki farkı biraz gecikmeli olarak uyguladım (sipariş birkaç saat civarında bir şey). Çıktıda, birkaç saat ilerisi için tahmin ikili bir artı veya eksidir.

Ağların tümü, mimarilerin numaralandırılmasıyla elde edilir.

Ana sorun, birkaç ileri testi birbirine yapıştırmaktı. Bu iyi bir şekilde otomatikleştirilmelidir.

Tüm bunlardan, en önemli şeyin doğru girdiler olduğunu anladım, bunun üzerinde düşünmeniz gerekiyor.
 
Maxim Dmitrievsky :
Tüm bunlardan, en önemli şeyin doğru girdiler olduğunu, bunun üzerinde düşünmeniz gerektiğini anladım.

Girişler hakkında - evet. Ancak buradaki nokta, önceden bir dizi "iyi" girdi yapmanın mümkün olmayacağıdır. Onları nasıl tanıyabilirim? Birçok girdi yapmak, ardından bilgilendirici bir girdi vektörü seçmek için bir prosedür yapmak gerekir. Ve zaten ağı eğitmek için üzerinde. Ayrıca, bilgilendirici girdiler bulursanız (vakanın% 90'ı), model bir tür kural oluşturma algoritması üzerine kurulabileceğinden ve bir kara kutu dürtmediğinden ağ tamamen gereksiz hale gelir.

Bağımlılık hakkında. Ağ, bağımlılık biçimi hakkında herhangi bir anlayış vermeyecektir. İlk etapta bunun için tasarlanmamıştı. Ve yine bir önceki noktaya dönüyoruz: bilgilendirici işaretler bulmamız ve onlardan istatistiksel olarak anlamlı kurallar oluşturmamız gerekiyor.

Transkript istersen, sana daha fazlasını söyleyebilirim) Doğru, şu anda hizmetteyim ve açıklamalara çok fazla zaman ayıramıyorum, ancak bugün bir tyapnitsa olmam iyi bir şey. ))

 
Алексей :

Girişler hakkında - evet. Ancak buradaki nokta, önceden bir dizi "iyi" girdi yapmanın mümkün olmayacağıdır. Onları nasıl tanıyabilirim? Birçok girdi yapmak, ardından bilgilendirici bir girdi vektörü seçmek için bir prosedür yapmak gerekir. Ve zaten ağı eğitmek için üzerinde. Ayrıca, bilgilendirici girdiler bulursanız (vakanın% 90'ı), model bir tür kural oluşturma algoritması üzerine kurulabileceğinden ve bir kara kutu dürtmediğinden ağ tamamen gereksiz hale gelir.

Bağımlılık hakkında. Ağ, bağımlılık biçimi hakkında herhangi bir anlayış vermeyecektir. İlk etapta bunun için tasarlanmamıştı. Ve yine bir önceki noktaya dönüyoruz: bilgilendirici işaretler bulmamız ve onlardan istatistiksel olarak anlamlı kurallar oluşturmamız gerekiyor.

Transkript istersen, sana daha fazlasını söyleyebilirim) Doğru, şu anda hizmetteyim ve açıklamalara çok fazla zaman ayıramıyorum, ancak bugün bir tyapnitsa olmam iyi bir şey. ))

Genel olarak, başlangıçtaki fikrim şuydu: ağları farklı TF'lerde eğitin, ardından küçük TF'lerden gelen sinyalleri büyük olanlarla filtreleyin, yani. Bu konuda istatistiksel bir avantaj elde edin, ızgaraların belirli bir yüzdede yanlış girdi vereceği göz önüne alındığında, örneğin 50 ila 50. Kendi başlarına, sinir ağları büyük miktarda veri işlemeyi içerir, bu onların avantajıdır, bu yüzden gidemezsiniz. bazı belirli niteliksel kalıplardan, ancak bir plakaya çok sayıda sinyal bulaştırın. Ve içeride neler olup bittiği önemli değil, sinir ağının hepsini düzene sokmaya çalışması önemlidir. Ancak OpenCl olmadan bu çok uzun süre yapılamaz. Ve navreno, makalede anlatıldığı gibi burada üçüncü nesil ağlara ihtiyaç var.

Genel olarak, yorumlarınız elbette ilginç. Daha önce önerilen göstergeyi düzeltmeye çalışacağım. Bir zikzak (2 çıkış) ile eşleştirildiğinde, belirsiz bir şey verir. Girdi sayısını azaltacağım ve sadece çıktıda bırakacağım.

 
Maxim Dmitrievsky :
Ve birisinin hareketli ortalamalardan sürekli olarak para kazanacağını duymadım)
"Tamamen hareket halinde ", gerçekten, şimdi bir şey elde etmek pek mümkün değil. Ancak bir sinyal filtresi olarak filmler kendileri için oldukça uygundur.
 
Serqey Nikitin :

Tüm modellerin doğrusal göstergelere göre geciktiğinin farkındasınız, bu durumda sinir ağı işe yaramaz.

Hmm... Ve bence, kalıplar en hızlı giriş. Herhangi bir osilatör daha yavaştır. Ve hareketler - daha da fazlası.
 
Maxim Dmitrievsky :

Genel olarak, başlangıçtaki fikrim şuydu: ağları farklı TF'lerde eğitin, ardından küçük TF'lerden gelen sinyalleri büyük olanlarla filtreleyin, yani. Bu konuda istatistiksel bir avantaj elde edin, ızgaraların belirli bir yüzdede yanlış girdi vereceği göz önüne alındığında, örneğin 50 ila 50. Kendi başlarına, sinir ağları büyük miktarda veri işlemeyi içerir, bu onların avantajıdır, bu yüzden gidemezsiniz. bazı belirli niteliksel kalıplardan, ancak bir plakaya çok sayıda sinyal bulaştırın. Ve içeride neler olup bittiği önemli değil, sinir ağının hepsini düzene sokmaya çalışması önemlidir. Ancak OpenCl olmadan bu çok uzun bir süre çalışmayacaktır. Ve navreno, makalede anlatıldığı gibi burada üçüncü nesil ağlara ihtiyaç var.

Genel olarak, yorumlarınız elbette ilginç. Daha önce önerilen göstergeyi düzeltmeye çalışacağım. Bir zikzak (2 çıkış) ile eşleştirildiğinde, belirsiz bir şey verir. Girdi sayısını azaltacağım ve sadece çıktıda bırakacağım.

Bilgilendirici işaretlerin veya özelliklerin seçimi hakkında bilgi edinin. Ağı beslemek, bunun neden en iyi yaklaşım olmadığı açık değil.

bir örnek veriyorum:

İş yerinde, girişte 10 ayrık değişken için bir ikili sınıflandırıcı modeli geliştirdim. 76 özellik arasından kurnazca seçildiler. Sözde tahmin. çoğunluk - olanların payı büyük ölçüde ağır basarsa, o zaman bir. Sınıflandırıcının kalitesinin, 76 değişkenli tüm özellik vektörümü kullanarak 150 ağaçtan oluşan rastgele bir ormandan daha kötü olmadığı ortaya çıktı! Ayrıca, insan tarafından okunabilen kurallar basit bir modelde inşa edilmiştir ve orman karanlık bir kutudur.

Bu arada, eğitimli bir ağdaki ağırlıkları analiz ederek özellikleri seçmek için geleneksel bir çok katmanlı algılayıcı kullanılabilir. Muhtemelen ağın birbiriyle çelişen girdi-çıktı çiftleri üzerinde ilişkili girdilerde daha kötü öğrendiğini biliyorsunuzdur. Burada, kötü girdileri ayıklamak için onları elemeniz gerekir.

 
Алексей :
Bilgilendirici işaretlerin veya özelliklerin seçimi hakkında bilgi edinin. Ağı beslemek, bunun neden en iyi yaklaşım olmadığı açık değil.

bir örnek veriyorum:

İş yerinde, girişte 10 ayrık değişken için bir ikili sınıflandırıcı modeli geliştirdim. 76 özellik arasından kurnazca seçildiler. Sözde tahmin. çoğunluk - olanların payı büyük ölçüde ağır basarsa, o zaman bir. Sınıflandırıcının kalitesinin, 76 değişkenli tüm özellik vektörümü kullanarak 150 ağaçtan oluşan rastgele bir ormandan daha kötü olmadığı ortaya çıktı! Ayrıca, insan tarafından okunabilen kurallar basit bir modelde inşa edilmiştir ve orman karanlık bir kutudur.

Bu arada, eğitimli bir ağdaki ağırlıkları analiz ederek özellikleri seçmek için geleneksel bir çok katmanlı algılayıcı kullanılabilir. Muhtemelen ağın birbiriyle çelişen girdi-çıktı çiftleri üzerinde ilişkili girdilerde daha kötü öğrendiğini biliyorsunuzdur. Burada, kötü girdileri ayıklamak için onları elemeniz gerekir.

Evet, buna boyutsallığın laneti deniyor gibi görünüyor :) Aslında, benim durumumda, girişte bir sürü özdeş osilatör, tüm bunlar kaldırılmalı ve kendi haline bırakılmalıdır.

Başka bir soru - girdiler için verileri normalleştirirken, tüm setteki maksimum ve minimum değerleri dikkate alarak tüm vektörleri aynı anda normalleştirmek mi yoksa maksimum ve her belirli vektörün dakikası?

 
Serqey Nikitin :

Bunun ilginç olduğu gerçeği, kimse tartışmıyor!

Ancak bir uzmanlık eğitimine birkaç adımda atlayamazsınız - bundan hiçbir anlam ifade etmeyecek ...

Sinir ağı kendi başına "doğru çıktı" vermeyecektir - bu sihirli bir değnek değildir.

Sinir ağı olmadan bile iyi bir sonuç verecek bir ticaret stratejisi için doğru fikre ihtiyacımız var...

Verecek. Büyü. Girdi verilerinin hazırlanabilmesi gereklidir.

O zaman nörona ihtiyaç yoktur.