Görüntüleri tanıma (retorik tema) - sayfa 12
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
denis_orlov :
Bence tam olarak bunu soruyorsun çünkü. Spesifikleri sağlayamıyorum.
Ben bir şey talep etmiyorum. Ve sormadı.
Aynısını yazdım - Algoritmanın kendisini vermek zorunda değilim. Bana çalışmasının sonucunu verebilirsin, sonucu test edeceğim. Ve size böyle bir algoritmadan bir şey çıkarmanın mümkün olup olmadığını söyleyeceğim. Bu bir rica mı yoksa rica mı? Bu, öncelikle tanıma algoritmasının yazarından yararlanmayı amaçlayan bir teklifti. Bir kişi normal bir tanıyıcı yapabilir, ancak bunu kâra dönüştüremezse (zor!), doğrudan başka bir geliştiriciyle işbirliği aramalıdır.
Tanıma sinyalleri içeren bir dosyayı buraya atabilirsiniz, bu başlıkta benden başka biri bu sinyalleri kullanarak bir ticarete giriş ve çıkış algoritmasını test etmeye çalışacak.
Ama karlı bir şekilde ticaret yaptığınızı görüyorum? Yani bu teklif sana göre değil :)
Tamamen işe yaramaz olduklarını söylemiyorum, ama benim durumumda geçerli değiller.
Mum örüntü tanıma yaklaşımının kendisi, bu şekilde tanımayı değil, basit örüntüleri aramayı ima eder. Bu durumda, bu bölümde kodlanan bilgilerin >%99'u kaybolur.
Öyle görünüyorsanız, o zaman, prensipte, fiyatın resmi değerinden sapan her gösterge, bilgi içeriğini kaybeder ve bir hata getirir. Örneğin, Richie tarafından kullanılan mum kodlama yöntemini kaybeden - K= (HL, LO/HL, LC/HL). Şimdi soru şu ki, VR'de bir model çıkarmak için hangi yöntem kullanılmalıdır?
Neden bir soru soruyorum, işleme sırasında bir kereden fazla karşılaştım - bir kalıbın nasıl resmileştirileceği. İki yöntem görüyorum, ilki kodlama - kodlar Richie veya örneğin Likhovidov tarafından önerilenlere benzer şekilde oluşturulduğunda. İkinci yöntem, yine sınır kriterlerini tanıtmaktır - sınır kriterleri durumunda, önemli bir faktör kaybedilir - zaman. Şeklin oluşturulduğu çerçeve sayısı da dikkate alınmalıdır.
Sorun kalıpları tanımakta değildir ("kalıp" kelimesi ne anlama geliyorsa). Sorun, analiz için veri ön işlemede. Önişleme bu forumda şaşırtıcı derecede az ilgi görüyor. Ancak herhangi bir bilgi, sonraki analizler için uygun bir biçimde sunulmalıdır.
Finansal piyasalarda (hangi yöntem olursa olsun) yeterli analizin önündeki tipik engeller gürültü, boşluklar ve aykırı değerlerdir. Bir ayna ile bir paralel çizelim. Gürültü, ayna yüzeyinin pürüzlülüğünün bir analogudur, yansıma bulanık ve bulanık hale gelir. boşluk - aynanın parçalarının kırılmış gibi çatlakları ve kaymaları. Aykırı değerler veya anormal derecede büyük çubuklar (anormal derecede küçük çubuklar yoktur) çarpık aynanın bir analogudur. Ayrıca, yansımanın bazı kısımları bozulmamış, bazıları ise tanınmayacak kadar bozulmuştur.
Bu üç konunun ayrı ayrı ele alınması gerekir. Ve sonra örüntü tanıma hakkında konuşun.
Arızalı bir aynanın (hakkında yazdığım) fotoğrafını çekmeye çalışın ve fotoğrafa bir çeşit görüntü tanıma sistemi uygulayın. "Aptal demir parçası" bir yana, yansımada kendinizi tanımayabilirsiniz.
Not: Ayna kusurlarının her biri bilgi taşır, ancak ayna tarafından yansıtılan orijinal ışık hakkında değil, kusurların nedenleri (tatiller ve diğer faktörler) hakkında bilgi taşır.
Argümanlarım lehine konuşan başka fenomenler de var. İnsan beyni, duyulardan gelen bilgiler için "yerleşik" filtrelere sahiptir. Böylece insanlar, çok gürültülü bir yerde, etrafta konuşan yüzlerce insan olsa bile, birbirleriyle kolayca konuşabilirler. Aynı mülkün vizyonu vardır. Beyin, gürültülü öğeler arasında görüntünün herhangi bir öğesi üzerinde konsantre olabilir - captcha buna bir örnektir.
Bu yüzden manuel ticaretin resmileştirilmesi zor mu? "El freni" tüccarlarının, beyin filtrelerini bilemek için herhangi bir ticaret aracına çok fazla dikkat etmelerinin nedeni bu değil mi?
Bana öyle geliyor ki, bir model kavramı, bir fiyat grafiğinin tanınabilir bir bölümü olarak, genelleştirilmiş bir şekilde burada daha iyi uygulanır. Grafik bir figür olmak zorunda değildir. Ana şey, mümkünse boşluklar ve arızalar olmadan istikrarlı bir şekilde tanınmasıdır. Buna göre, evet, tanıma yöntemi neredeyse herhangi biri olabilir. Kodlamaya uygundur. Birçok kodlama yöntemi vardır. Grafik olarak iyi. Kriter, göstergelerden anladığım kadarıyla - aynı zamanda iyi. Şablon aranıyor - hayır. Kararsız çalışıyor, çoğunu özlüyor. Doğru, şablonlara göre arama uyarlanabilir olabilir, ancak bunu görmedim. Bir sinir ağı iyidir, ancak eğitimleri sorunu zor bir şeydir, herkes sadece ticaret için eğitilmiştir. Görünüşe göre sinir ağlarının yalnızca alanların tanınması için kullanılmasıyla ilgili bir tartışma yapılmadı. Başka hangi yöntemler hatırlanabilir?
Argümanlarım lehine konuşan başka fenomenler de var. İnsan beyni, duyulardan gelen bilgiler için "yerleşik" filtrelere sahiptir. Böylece insanlar, çok gürültülü bir yerde, etrafta konuşan yüzlerce insan olsa bile, birbirleriyle kolayca konuşabilirler. Aynı mülkün vizyonu vardır. Beyin, gürültülü öğeler arasında görüntünün herhangi bir öğesi üzerinde konsantre olabilir - captcha buna bir örnektir.
Bu yüzden manuel ticaretin resmileştirilmesi zor mu? "El freni" tüccarlarının, beyin filtrelerini bilemek için herhangi bir ticaret aracına çok fazla dikkat etmelerinin nedeni bu değil mi?
Burada katılmıyorum :) Nobel ödüllü tıp araştırmacıları Torsten Nils Wiesel ve David H. Hubel'in kedi beyninin görsel korteksi üzerinde araştırma yapan ve bu sırada özellikle tepki veren sözde basit hücreler olduğunu keşfettiklerine göre. farklı açılar altındaki düz çizgilere ve çizgilerin bir yönde hareketine tepki veren karmaşık hücrelere, yani. beyin işaretleri ayırır. Bu temelde, evrişim mekanizmasına dayanan evrişimli ağlar - Evrişimsel Ağ adı verilen tüm bir sinir ağları sınıfı geliştirilmiştir. Bu nedenle, en ilginç şey, bu sinir ağları sınıfının, bozulmaları olan görüntüleri tanımada en iyi performanslardan birini göstermesidir (bu, eğri bir ayna ve bozulmadan kaynaklanmaktadır), bu, Dr. Jan LeCun'un çalışmalarında çok iyi gösterilmiştir. Bu sadece, evrişimli ağları Forex VR'ye uygulamak işe yaramaz :) ağlar bozuk verileri tanıma görevini iyi uygular, ancak görüntünün bir kısmı için görüntüyü geri yüklemenin gerekli olduğu görev kötüdür.
Argümanlarım lehine konuşan başka fenomenler de var. İnsan beyni, duyulardan gelen bilgiler için "yerleşik" filtrelere sahiptir. Böylece insanlar, çok gürültülü bir yerde, etrafta konuşan yüzlerce insan olsa bile, birbirleriyle kolayca konuşabilirler. Aynı mülkün vizyonu vardır. Beyin, gürültülü öğeler arasında görüntünün herhangi bir öğesi üzerinde konsantre olabilir - captcha buna bir örnektir.