Sinir ağları konusunda danışmanlar, deneyim paylaşımı. - sayfa 8
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
Göster o zaman, çok ilginç. Tercihen ayrıntılar, nöron sayısı, girdi sayısı, eğitim örnekleri sayısı vb.
Sonra kaotik) Yaban turpu turp daha tatlı değil.
Sorunu farklı bir yönde çözmeyi denediniz mi - bir sonraki çubuğu tahmin etmek için değil, ağ hatalarının sayısını saymak için mi? Onlar. ızgara yakın geçmişte bir model (trend) bulur ve bu kalıbın mevcut çubuklarda korunup korunmadığını kontrol eder. Kalıp çalışmayı durdurduysa (ağ çok sık hata yapmaya başladıysa), eğilim muhtemelen değişiyordur. Ve buna göre, pazara bir giriş noktası arayabilirsiniz.
Sonra kaotik) Yaban turpu turp daha tatlı değil.
Göster o zaman, çok ilginç. Tercihen ayrıntılar, nöron sayısı, girdi sayısı, eğitim örnekleri sayısı vb.
Kombinatör için cevap vereceğim.
İşte eğri. Nöron sayısı - herhangi biri. Giriş sayısı - herhangi. Eğitim örneklerinin sayısı - herhangi biri. Ve diğer her şey - herhangi bir miktarda.
Kombinatör için cevap vereceğim.
İşte eğri. Nöron sayısı - herhangi biri. Giriş sayısı - herhangi. Eğitim örneklerinin sayısı - herhangi biri. Ve diğer her şey - herhangi bir miktarda.
Bazı baltunlar. Eğitim süresi boyunca sinir ağınızın ne gösterdiğini kimse gösterebilir mi?
Bir grup 2 NN aynı şeyi öğreniyor, ancak farklı TF'lerde. 12 giriş, gizli katmanda 10 nöron, her biri 1 çıkış. Yalnızca 50 çubuk geçmişi üzerinde eğitilir, test sırasında yeniden eğitilmez. Ama daha yeni öğreniyorum, bu bir ara seçenek. Eğitim setinin dışında numuneyi test edin.
Bir grup 2 NN aynı şeyi öğreniyor, ancak farklı TF'lerde. 12 giriş, gizli katmanda 10 nöron, her biri 1 çıkış. Yalnızca 50 çubuk geçmişi üzerinde eğitilir, test sırasında yeniden eğitilmez. Ama daha yeni öğreniyorum, bu bir ara seçenek. Eğitim setinin dışında numuneyi test edin.
Hacimler neden farklı?
Aşağıdan mı? bunlar hacim değil, serbest marj seviyesidir.
Forumda hazır çözümler ve piyasada ticaret için sinir ağının etkinliği hakkında çok az bilgi var. Sizi burada tartışmaya ve deneyimlerinizi paylaşmaya davet ediyorum. Zaten tartışması olan bir konu varsa, lütfen bağlantı kurun.
Buradaki sınıfları, her zamanki çok katmanlı algılayıcıyı kullanıyorum. Umarım sınıflar her şeyi doğru düşünür, yazarın deneyimine güvenirim. Denemeye başladım, ilginç :)
Şu anda girişte 11 hindi var, çıkışta zikzak, geleceğe 1 bar kaydırılmış.
Bunlar, şebeke tarafından 8 ay boyunca verilen sonuçlardır. Gizli katmanda 1000 çubuk, 10000 dönem, 70 nöron üzerinde eğitim alıyorum. Sinyaller terstir ve ek filtreler olmadan tamamen sinir ağı tarafından sağlanır. 15 dk tf.
Ben de 2013'te benzer bir algoritma uygulamaya çalıştım... Doğru, 7 gösterge kullandım ve Zigzag NN'nin öğrenme vektörünü oluştururdu. Ama öz aynı - ben ters pozisyonlar arıyordum... ne göstergelerden gelen verilerde ne de onlardan gelen ticaret sinyallerinde iyi bir şey olmadı... ta ki kazara kalıplara rastlayana kadar. Bu da aracımı kökten değiştirdi. Şimdi algoritmam daha basit:
1. Geçen yıl için dakika ve saat zaman dilimlerinde kalıpların hesaplanması;
2. Bir dönüm noktası sözlüğünün derlenmesi ("dakika düzeni - saat düzeni" çiftleri);
3. Dönüş noktaları sözlüğüne göre NS öğretimi (150-160 çift için);
İşte yaklaşımımın sonucu:
Yaklaşımımın dezavantajlarına:
1) Yüksek TS riski - kırılma fiyatının değerini doğru bir şekilde belirlemek imkansız olduğundan, TS lotlu 9 bekleyen emir verir: 1, 1, 3, 6, 14, 31, 70, 158, 355;
2) Çıkış algoritmasını (TS trolünü) uygulamak zordur;
Yani NN ticaret için kullanılabilir, ancak soru NN'ye ne öğretileceğidir...
P/s: kalıplarla, A. Merrill'in (M & W) kalıplarını kastediyorum.