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
Devam etmek için - E-postaya yazın
Maalesef cevaptan hiçbir şey anlamadım. Forumda zaten burada olan sorunla ilgili spesifik bir şey yazabilir misiniz? Aksi takdirde, e-posta alışverişi yapmanın anlamı nedir?
Matematikçiler için soru:
Optimize edilecek parametrelerin çok değişkenli normal dağılımını uygulama fikri , sinir ağları ilkesine eşdeğer midir?
Lütfen anlaşılır bir şekilde açıklayın.
YSA'ları ve Forex'teki kullanımlarını öğrendikten sonra, bu konuyu (INS, Forex'i uzun zamandır biliyordum) derinlemesine incelemeye heveslendim ve yaptım. C'yi uzun zamandır tanıdığım için ME4 çalışmakla ilgili bir sorunum yok ve bu yüzden, YSA uygulamasında FOREX ile ilgili birkaç sorum var, henüz cevaplarını bulamadığım:
1) Okuduğum materyallerden birinde, bir YSA'yı eğitirken "sistemi yeniden eğitmenin" mümkün olduğu, "yeniden eğitilmiş" bir YSA'nın yalnızca eğitildiği durumlarda (şablonlarda) doğru sonuçlar verdiği yazıyordu. diğer durumlarda, sonuçları doğru değildir, yani. YSA banal bir tablo haline gelir ve genelleme yeteneğini kaybeder. Sorum şu: FOREK ile çalışan bir YSA ile böyle bir durum mümkün mü, böyle bir durum oluşturma olasılığı eğitim yöntemine (GA, stokastik, geri yayılım) veya ağın türüne (tek yönlü çok katmanlı kullanacağım) bağlı mı? modeli). Böyle bir durumdan nasıl kaçınılır?
2) Ağı tarih konusunda eğitmek için banal bir yöntem seçtiğimi (a) ve eğitimden sonra çalıştığımı (b): (a) T = 0 anına eşit olmayan T tarihinde bir an alıyorum, I kapanış fiyatlarını X (T +1), X(T+2), X(T+3),... X(T+N), (burada N=sabit ve X enstrümanın fiyatıdır, T'nin bir fonksiyonu), bu anı öğrenmeden önce sistemimin X'(T) ve X(T'nin gerçek değerini) tahminini sunarım, eğer X(T) != X'(T) ise sistemi eğitirim bu durumda, o zaman T'yi bir azaltıyorum ve tüm bu döngüyü T > 0 olana kadar tekrar ediyorum (T ne kadar fazla olursa, zamanın "eski" anı T, örneğin, bir gün bir "adım" T olarak alınabilir), sistem eğitildiğinde (b) sistemi basitçe "adım" için beklemeye alırım (bizim durumumuzda, bir gün bekleriz), önceki tahmin gerçekleşmediyse, sistemi eğitirim, sonra üzerinde bir anlaşmayı tahmin edin ve açın, vb..
Bu kaynakta gördüğüm YSA tabanlı danışmanlar, tahminin doğruluğunun olasılığı tarafından yönlendiriliyor (yanlışsam beni düzeltin) ve bu olasılık bir kişi tarafından belirlenen bir sabit B'den büyükse, o zaman anlaşma açılır. Bu olasılığı genel olarak nasıl tahmin etmek mümkündür, örneğin, danışmanın tarif ettiğim çalışma şekli ile?
Şahsen bir danışmanın nasıl her gün işlem AÇAMADIĞINI hayal edemiyorum, örneğin (tahmin edilen gelirin enstrümanın spreadinden daha düşük olduğu durum hariç), örneğin, sunduğum sistem çalışacaktır. Kesin olarak periyodik olarak DEĞİL , pazara girmek için ağ hangi göstergeler, girdi verileri tarafından yönlendirilebilir.
3) Danışmanda yoldaş. Sezar, bir unutma sabiti gördüm, neden gerekli olduğunu anlamıyorum ve öğrenme yöntemine bağlı olarak unutma nasıl uygulanıyor? "unutma" yeteneği YSA'nın doğal bir özelliği değil midir? net bir şekilde açıklayın lütfen
Tehdit INS konusundaki profesyonellerin görüşüne ihtiyacım var, eğer yazamayacak kadar tembelseniz, lütfen konunun her bir maddesine ayrı ayrı yanıt veren kaynak(lar)a bir link atın.
ZZY Programların kaynak kodlarını okumadım, sadece uygulama talimatlarını inceledim.
Matematikçiler için soru:
Optimize edilecek parametrelerin çok değişkenli normal dağılımını uygulama fikri , sinir ağları ilkesine eşdeğer midir?
Lütfen anlaşılır bir şekilde açıklayın.
Soruyu açıklayın.
Matematikçiler için soru:
Optimize edilecek parametrelerin çok değişkenli normal dağılımını uygulama fikri , sinir ağları ilkesine eşdeğer midir?
Lütfen anlaşılır bir şekilde açıklayın.
Soruyu açıklayın.
Navreno sorusu şu anlama gelir - "sinir ağlarıyla yıkanmaya değer mi?"
Matematikçiler için soru:
Optimize edilecek parametrelerin çok değişkenli normal dağılımını uygulama fikri , sinir ağları ilkesine eşdeğer midir?
Lütfen anlaşılır bir şekilde açıklayın.
Soruyu açıklayın.
Muhtemelen soru şu anlama geliyor: "sinir ağlarıyla banyo yapmaya değer mi?"
Eğitim yöntemine bağlı değildir, ağın türüne bağlı olabilir, ancak olası değildir.
Nasıl kaçınılır - eğitim örneği ağdaki ağırlık parametrelerinin sayısından yüzlerce, binlerce kat daha fazla olmalıdır,
o zaman fazla takma olasılığı daha az olacaktır.
Anlamı basittir, NN sadece bir dizi girdinin ve bir dizi ağırlık parametresinin bir fonksiyonudur.
Bir dizi parametre seçerek, işlevin çıktısında belirli bir yanıt elde etmeye çalışırlar - bu öğrenmedir.
Birçok ağırlık parametresi vardır - yüzlerce ve binlerce ve çoğu durumda ağların aşırı takılması.
NN eğitimi aslında çok sayıda (yüzlerce ve binlerce) parametreye sahip bir fonksiyonun optimizasyonudur.
Bu durumda yeniden eğitim olmaması için ne yapılması gerektiğini bilmiyorum,
1-100 milyon örnekten oluşan bir eğitim örneği almadığınız sürece.
Garantisi yok...
Başka bir şey ağın mimarisidir. Ağları sınıflandırmak, enterpolasyon yapanlardan daha iyidir.