Makale: Sinir Ağlarını Kullanarak Fiyat Tahmini - sayfa 10
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
Evet.
Ağ dışı işlerle çok az ilgilenen biri olarak (sadece 12 yaşında), uzun süredir ağ dışı işlerle uğraşan bir kişiye sinir ağlarının herhangi bir görevde kullanılmasının kendi işlerinden ayrılamaz olduğunu söyleyebilirim. tasarım (programlama). Ana şey iki önermedir: ilk veriler (bu ayrı bir şarkıdır) ve en önemli şey öğrenme algoritmasıdır. Ağlar her şeyi yapabilir - asıl şey onları doğru şekilde eğitmektir.
Herhangi bir kişinin sınıflandırma performansını iyileştirmek için çok katmanlı ızgaraları kullanma ihtiyacından şüphe duyacağını hiç düşünmemiştim. =)
Jan LeCun'un bu konuda yazdıklarını okumanızı tavsiye ederim - http://yann.lecun.com/exdb/mnist/index.html . Doğru, orada konu alanı biraz farklı - karakter tanıma. Genel olarak, şu ya da bu şekilde, tek katmanlı ağlar en kötü sonuçları gösterdi - %8,4. Yine de! Çok katmanlı olanlardan biri (iki katmanlı, 300 gizli katman nöronlu) çok iyi bir sonuç gösterdi - %1.6 hata. Onlar. bir katman bile eklediğinizde, ızgara çok daha "güçlü" hale gelir.
Yani, bu tamamen farklı bir konu alanı ve dolayısıyla farklı bir yaklaşım. Standart yazı tiplerindeki karakterlerin ana hatları değişmez ve bu nedenle, nöronun kitabın geri kalan sayfalarındaki karakterleri yüksek doğrulukla tanıması için ağı bir kez bir örnekte, örneğin birkaç sayfada eğitmek mantıklıdır. .
Finansal piyasalar açısından ise her şeyin sürekli değiştiği ve sürekli dinamikler içinde olduğu başka bir alandır. Ve bu nedenle, karmaşık çok katmanlar burada dişleri koparır. Karakter tanıma alanında abartılı bir benzetme, kitabın bir sayfasında "A" karakterinin "A" olarak yorumlanması gerekiyorsa, diğerinde aynı "A" zaten "B" olarak yorumlanıyor.
Bu nedenle, finansal araçların tarihsel verilerinin farklı bölümlerinde tanınan aynı kalıp, tamamen farklı şekillerde alım satım sinyallerine yorumlanabilir, yani. bazı bölümlerde uzun pozisyonlar açmak ve kısa pozisyonları kapatmak için tanımlanması daha yeterli olurken, aynı zamanda diğer bölümlerde olduğu gibi bunun tersi de geçerlidir: kısa pozisyonlar açmak ve uzun pozisyonları kapatmak.
Çalışmada yukarıda verdiğim link MNIST veri tabanı kullanılmıştır. Bu veritabanı, karakterlerin el yazısıyla yazılmış veya yazdırılmamış resimlerini içerir.
Tabii ki, finansal piyasalarda her şeyin sabit dinamikler içinde olduğunu anlıyorum, ancak çatışma kalıpları (girişte aynı şey ve çıkışta iki farklı sınıf) şebeke girişine sağlanan bilgi miktarını artırarak ortadan kaldırılabilir veya ( Yukarıda birisi tarafından zaten önerildiği gibi), bu tür kalıpları eğitim örneğinden tamamen çıkarmak mümkündür. Tabii ki önerdiğiniz versiyonda, tek katmanlı algılayıcı kullanımı ile ilgili makalede birçok çakışma örüntüsü vardı. Çünkü sadece 4 giriş vardı.
Tek katmanlı algılayıcıların XOR problemini çözemediklerini (Minsky'nin kitabına bakınız) söylemek istiyorum ve bu onları kusurlu kılıyor.
Öğrenme çıktılarına ulaşmak, doğru olanı sağlamaktan daha kolaydır.
sorunun çözümü. Bu fiyat dalgalanması göz önüne alındığında, sözde stokastiktir.
zaman serileri, sonra uygulama ve yorumlama sorunu
...
İş, ağın çıktı(lar)ının yorumlanmasıyla başlar. Yani, görev ayarlanıyor. Bu yüzden sana tamamen katılıyorum.
Bir eğitim örneği oluşturmak için sizin tarafınızdan tam olarak ne kullanıldığı sorusunu gündeme getirmek istiyorum. Bu en önemli şey.
Eğitim çıktısı geleneksel göstergeler tarafından oluşturulur
Ama ne, bu en samimi, veri hazırlama gibi
Niye ya? Sonuçta kimse algoritma istemiyor. Sadece düşüncelerinizi paylaşın.
O zaman, hiç kimse en önemli şey hakkında konuşmak istemiyorsa, burada bahsettiğimiz şey ilginç.
Bu durumda silahlanma yarışı gibi, kimse kimseye güvenmiyor :)
Başlangıç eğitim verisi seti de {H,L,O,C} olabilir ... Diğerleri için hangi modelin, fikrin ağın ve bir bütün olarak sistemin temeli olduğu önemlidir.
Fikir doğruysa, hedef doğru formüle edilmişse, hata tahmin fonksiyonu doğru seçilmişse, sonuç yerelde ağın kesin bir vuruşudur.
minimum N eğitim döneminden sonra. Daha ileri sanat, ağı en az kayıpla çıkmazdan çıkarmak ve öğrenmeye devam etmektir.
Ve burada tüm araçlar iyi, veri ön işleme, mimarların değiştirilmesi, öğrenme algoritmaları - ana şey, genel olarak, geliştirmekte olduğunuz modelin başarısıdır.
Ve nereye gönderileceği konusunda, Reshetov'un ağlarından biri fikrinin uygulanmasını tekrar etmenizi öneririm, burada forumda bunlardan birkaçı var ve sonra değerlendirin.
model, sonuç - peki, her şey sizin elinizde.