Ticarette sinir ağlarının kullanılması. - sayfa 3
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
Rakamlar normalleştirilmemiş verileri gösteriyor ve ayrıca farklı verilerden yaptığımın bir örneğini verdim (sonuç olarak nasıl görünüyor)
Ve işte komut dosyası, onu kullanabilir ve çıktıda ne olduğunu görebilirsiniz (sadece girdi verilerinden şikayet etmeyin, bu komut dosyası sadece bir örnek için yaptı ...)
//Tip 0 - doğrusal normalleştirme, 1 - doğrusal olmayan
StatBars , evet, hiçbir şikayetim yok!
Eh, işe yarıyor - ve iyi. Sadece normalleştirme prosedürünün dağılımı eşitlemekle aynı anlama gelmediğini ve burada nispeten daha karmaşık bir yaklaşıma ihtiyaç olduğunu açıklığa kavuşturmak istiyorum. Ancak, çıktıda, +/-1 sonlu aralığında ve raf şeklinde bir giriş değerimiz var - parmaklarınızı yalayacaksınız. Ayrıca girişi düzgün bir şekilde beyazlatacak ve sadece estetik bir zevk hissedeceksiniz.
StatBars , evet, hiçbir şikayetim yok!
Eh, işe yarıyor - ve iyi. Sadece normalleştirme prosedürünün dağılımı eşitlemekle aynı anlama gelmediğini ve burada nispeten daha karmaşık bir yaklaşıma ihtiyaç olduğunu açıklığa kavuşturmak istiyorum. Ancak, çıktıda, +/-1 sonlu aralığında ve raf şeklinde bir giriş değerimiz var - parmaklarınızı yalayacaksınız. Ayrıca girişi düzgün bir şekilde beyazlatacak ve sadece estetik bir zevk hissedeceksiniz.
)))
Bu arada bir makalede anlatılan yöntemi uyguladım, tam olarak nerede okuduğumu hatırlamıyorum... Genel olarak, dağıtım fonksiyonunun alanını kullanarak, ikinci resim sadece bunun eseridir. yöntem.
Ve yine de, basit normalleştirme ve frekans eşitleme ile bir dosya, en iyi örnek değil, ama yine de ...
Girişleri badana yaptınız mı? Sadece birkaç sorum var...
Yaptı.
Sadece burada beyazlatma-beyazlatma farklıdır. Aptalca, iki NS girişine iki vuruş vermek ve kendinize onları beyazlatma hedefini belirlemek mümkündür… bu bir vaka (klinik) veya barların açılış fiyatlarını bir düzine olarak koyabilirsiniz - bu başka, burada beyazlatacak hiçbir şey yok - ve bu yüzden her şey beyaz.
Leonid, evet, Ulusal Meclisi yeniden eğitmekle ilgili bir sorun yok - bu, güzel bir isim ve içinde üç çivi bulunan bu kutunun içinde neler olup bittiğinin özünün yanlış anlaşılmasından kaynaklanıyor. Minimumdan daha kısa bir eğitim örneği almayın ve rastgele yöntemle karar vermek zorunda kalmayacaksınız - hangisi daha iyi, hangisi daha kötü!
"Doğru" girdilere gelince, size %100 katılıyorum, bu başarının anahtarıdır - NS-ku için çözülebilecek her şey - kendi başınıza karar vermeniz gerekir. Ayrılması gerekiyor, kararın sahip olmadığı veya haksız yere zor. Örneğin, girdi olarak bir Zig-Zag uygulamak mantıklı değildir. Bu durumda Ulusal Meclisin davranışı açıktır - yüzeyde ne olduğunu öğrenecektir - ZZ'nin kollarının işaret değişimi ve bu tür girdi verilerinden sıfır anlam vardır.
Yanlış giriş yok. Yanlış bir görev var.
Normalleşme hakkında. Çözülmekte olan herhangi bir problem bağlamında her tür normalleştirme uygulanamaz.
Yanlış giriş yok. Yanlış bir görev var.
Neden? Orada. Amaç (doğru) göreve ek olarak, bu görevin çözüleceği veriler de var ...
Ve normalleşme pahasına - herhangi bir açıklama olabilir mi?
Neden? Orada. Amaç (doğru) göreve ek olarak, bu görevin çözüleceği veriler de var ...
Ve normalleşme pahasına - herhangi bir açıklama olabilir mi?
Doğrusal bir normalizasyon var, doğrusal olmayan bir normalizasyon var. Doğrusal olmayan, yeni verilerin dağılımına karşı hassastır. Doğrusal olan basittir ve onunla daha az hesaplama işlemi yapmak gerekir, ancak bunun için simetri olmayan, tabiri caizse eğitim süresini etkileyecektir. Bununla birlikte, değerlerin yayılması, belirli koşullara bağlı olarak, eğitim sonucunda herhangi bir şey olabilir. Ancak, eğitimin kendisi sırasında, sıfır ortalamaya ve birim varyansa indirgenmemiş bir dizi, sonuç olarak, ağ trenini böyle bir normalleştirme gerçekleştirildiğinden daha uzun hale getirir. İlk soruya gelince, ben şahsen bu görüşe sahibim. MA alabilirim, satırın artışlarını alabilirim. Benim için hiçbir fark olmayacak. Sonuç olarak, ağı eğittikten sonra, eğitimin sonucu seçtiğim şeye bağlıysa (MA veya yalnızca serinin artışları), bu yalnızca yanlış ayarlanmış bir görevden bahsedecek ve ağ denediğimi öğrendi. bunu öğretmek için.. Yani, ona öğrettiğim eylemleri gerçekleştirin. Ancak kalıpları bulmak, yani ağı genelleştirmek, bunu doğru bir şekilde yapmayacak veya yapmayacaktır. Sonuç olarak, sinir ağının çıkışında gerekli olacak bu tür verilerin genelleme hatasını azaltmaktır. Girdi verileri, MA veya başka bir şey biçimindeki düzleştirilmiş versiyonu olmak zorunda değil, zaman serilerinin kendilerinin artışları olabilir. Herkes sırayı düzeltmen gerektiğini yazıyor. Ama bence önemli değil, çünkü verilerdeki nesnel modeller korunduğundan, asıl mesele sadece seriniz için doğru sayıda artış seçmek.
Doğrusal bir normalizasyon var, doğrusal olmayan bir normalizasyon var. Doğrusal olmayan, yeni verilerin dağılımına karşı hassastır. Doğrusal olan basittir ve onunla daha az hesaplama işlemi yapmak gerekir, ancak bunun için simetri olmayan, tabiri caizse eğitim süresini etkileyecektir. Bununla birlikte, değerlerin yayılması, belirli koşullara bağlı olarak, eğitim sonucunda herhangi bir şey olabilir. Ancak, eğitimin kendisi sırasında, sıfır ortalamaya ve birim varyansa indirgenmemiş bir dizi, sonuç olarak, ağ trenini böyle bir normalleştirme gerçekleştirildiğinden daha uzun hale getirir. İlk soruya gelince, ben şahsen bu görüşe sahibim. MA alabilirim, satırın artışlarını alabilirim. Benim için hiçbir fark olmayacak. Sonuç olarak, ağı eğittikten sonra, eğitimin sonucu seçtiğim şeye bağlıysa (MA veya yalnızca serinin artışları), bu yalnızca yanlış ayarlanmış bir görevden bahsedecek ve ağ denediğimi öğrendi. bunu öğretmek için.. Yani, ona öğrettiğim eylemleri gerçekleştirin. Ancak kalıpları bulmak, yani ağı genelleştirmek, bunu doğru bir şekilde yapmayacak veya yapmayacaktır. Sonuç olarak, sinir ağının çıkışında gerekli olacak bu tür verilerin genelleme hatasını azaltmaktır. Girdi verileri, MA veya başka bir şey biçimindeki düzleştirilmiş versiyonu olmak zorunda değil, zaman serilerinin kendilerinin artışları olabilir. Herkes sırayı düzeltmen gerektiğini yazıyor. Ama bence önemli değil, çünkü verilerdeki nesnel modeller korunduğundan, asıl mesele sadece seriniz için doğru sayıda artış seçmek.
Bence yazınızdan, normalleşmenin, görünümdeki bir görevden çok verilere bağlı olduğunu da takip ediyor.
İkinci kısma gelince: Bir MA artışı ve bir seri artışı düşünüyor musunuz?
Peki, genel anlamda, eğitimli ağın giriş verilerine (her bir girişe) duyarsız olması gerektiğini mi kastediyorsunuz? Yoksa sadece girdi verilerini başka bir şeye mi değiştiriyorsunuz ve ağın hala tahmin etmeye devam etmesi mi gerekiyor?