Makale danışmanı. Herkes için test. - sayfa 5
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
Çözmeye gerek yok. Belirli bir vaka için yeterli uzunlukta eğitim örneği bulması yeterlidir, bu çok basit bir şekilde yapılır.
IMHO bunu çözmek çok daha kolay. Oturdum, çeşitli optimizasyon pencereleri denedim ve şu yöntemi buldum:
İlk optimizasyonu çalıştırıyoruz. İyi bir düşüş ile başarılı veya çok başarılı olmayan bir forvet arıyoruz. Fare imlecini grafik üzerinde bu düşüşün en altına getirin ve araç ipucundaki tarihi görün. Optimizasyon penceresinin tamamlanmasını tam da bu tarihe kaydırıyoruz. Başka bir optimizasyon yapıyoruz, başarılı bir forvet arıyoruz ve bir mucizenin gerçekleştiğini görüyoruz: ayarlama önceki düşüşümüzü dengeleyerek onu karlı bir bölüme dönüştürdü ve ardından forvet başarılı oldu çünkü. bu numaradan önce de böyleydi.
Teorik olarak, böyle bir teknik elbette daha iyidir, çünkü. bu durumda, TS'miz daha önce yapamadığı düşüşü ortadan kaldırmayı öğrendi. telepatik yeteneklere sahip değildi ve ona hatasının ne olduğunu önerdik. Ancak pratikte - hala bir dirgen ile yazılmıştır, yani. Ayrıca ileri test için pencere alanı azaldığı için bu yöntemin ne kadar yeterli olduğunu kontrol etmemiz gerekiyor.
Makale için malzeme zaten tamamen toplandı, sadece tüm bu ekonomiyi düzene koymak, bazı resimler eklemek ve yayın için gönderebilirsiniz.
Kısacası makale, yerleşik bir uzman sistemli bir sinir ağını tartışıyor (makale yazarları bir ücret uğruna ne icat etmiyor?) ve şu soruları yanıtlıyor:
1. Sinir ağları neden enterpolasyona ihtiyaç duyar? Gerçekten de hangi korkuyla birdenbire sabırsızlandı?
2. Durağan ve tutarlı verilere doğru bir şekilde uyması için eğitilmiş bir nöron enterpolasyon yapabilir mi? Sırasıyla bir nöron olan lojistik regresyon örneği üzerinde analiz edildi. Lojistik regresyonun savunucuları mutsuz kalacaktır. Zira haşere doktorları da bu yazıyı onaylamayacaktır. lojistik regresyon kullanarak bir bilgisayarda tanı hesaplamak artık moda.
3. Doğru enterpolasyon için bir uzman sistem nasıl oluşturulur: gerekli ve yeterli koşullar? Aslında, bir uzman sistem sinir ağının bir katmanıdır, ancak bir kara kutu değildir, çünkü diğer uzman sistemler gibi kolay yorumlanabilir kurallar şeklinde bir bilgi tabanına sahiptir. Birinin saklayacak bir şeyi varsa, bunu okumamak, kara kutuları kullanmak daha iyidir.
4. Bir sinir ağını gemide uzman bir sistemle yeniden eğitmek mümkün müdür? Ve kim yasaklıyor?
5. Bir uzman sistemi, bilgi tabanını manuel olarak oluşturmak ve düzeltmek zorunda kalmamak için bir dizi eğitim örneği üzerinde otomatik olarak nasıl eğitirsiniz? Güdük, eğitim örneklerinin ticaret sinyalleri olduğu açıktır, yani. teknik göstergelerin veya osilatörlerin okumalarına göre ve sistemi ticaret yapmak ve bir tür Fisher'in botanik süsenlerini tanımamak için eğitin. Ama yine de, kalemler, özellikle çarpık olanlar ve bazı yerlerden büyüyenler ile, bu işte aptal algoritmalara güvenmektense bilgi tabanını almak bir şekilde daha tanıdık ve daha güvenilir.
6. Uzman bir sistemle bir sinir ağının eksik eğitimi nasıl ortadan kaldırılır? Garip bir soru, elbette, çünkü herkes yeniden eğitim ve uyum ile mücadele etmeye alıştı. Ve burada yazar açıkça bir şeyin üstesinden gelmemeye karar verdi.
7. Gemide uzman bir sisteme sahip bir sinir ağına kıyasla ortak sinir ağlarının avantajları ve dezavantajları? Burada yazar eksiklikler açısından çok ileri gitti, tk. şimdi eğilmek gelenekseldir, örneğin: know-how, patentli bir çare, yaban turpu analoglarını, en iyi köpek yetiştiricilerinden ve diş hekimlerinden tavsiyeler bulacaksınız, hiçbir eksiklik olamaz, sadece avantajlar, hemen sipariş verin ve satın alın, aksi halde depo zaten tükeniyor, vb.
Ayrıca, harici kütüphaneler ve dll'ler kullanılmadan mql4 ve mql5 ile yazılmış, uzman sistemli bir sinir ağının kaynak kodları makaleye eklenecek ve makalenin kendisi yol boyunca algoritmaların ana özelliklerini açıklıyor. Genelde bazı rezaletler vardır, tk. kaynak kodunun meraklı gözlerden dikkatlice saklanması, tanıkların ortadan kaldırılması ve izlerin örtülmesi gerektiğini tüm grailer kesin olarak biliyor.
İşte bazı turtalar.
uydurma sorunu, bazılarının yalnızca bireysel optimizasyon sonuçlarını (çalışmaları) analiz etmesidir. Ve bunları toplu olarak düşünmek gerekir - optimal bölgeler için toplam sonuç. Ve sonra ileri gerekli değildir.
Örneğin, bir toptan tek makinede bir sistem var - makinenin periyodu. Optimize ettik ve bir dizi toptan değer seti aldık, örneğin PF'ye göre sıraladık. Tabii ki, bireysel koşuların rastgele olma şansı yüksektir ve örneğin bir ileri kontrol gereklidir. Ancak bireysel koşuları değil, optimal bölgeyi ve bunun sonucunu düşünürsek, serinin farklı bölümlerinde optimal bölge için pozitif bir sonucun korunmasını ayarlamak neredeyse imkansızdır. Tabii ki, bu optimum bölgenin genişliğine ve çalışma sonuçlarının optikteki minimum değişime duyarlılığına bağlıdır. Onlar. optimal bölgenin korunması, sağlamlığın ve anti-bağlantının bir işaretidir. Forvet sadece bir kez kullanıldığında iyidir. Aynı sistem için tekrar tekrar kullanmak ve sadece eğitim setinin bir parçası haline gelir.
not
belirli bir sistemin çalıştığı zaman da bir sistem parametresidir. Örneğin, biri 2005'ten 2011'e kadar çalıştı. İşte optimal değer aralığı - ömür. Geçmişi optimize ederken, pratik olarak bu aralığı mümkün olduğunca geniş olan sistemleri bulmaya çalışıyoruz. Ancak sistemin sonsuza kadar çalışması gerekmez. Bu nedenle, test süresini belirlerken, keyfi olarak seçildiğini ve sistemin tüm bu alan üzerinde çalışmasını gerektirdiğini hesaba katmak gerekir - bu saçmalık. 10 yıl aramak aklıma geldi - bakıyorsun)). IMHA, sonuçların istenen düzeyde güvenilirliğini vermek için böyle bir süre yeterlidir. İşlem sayısına ve karlı/zararlı işlemlerin dağılımına bağlıdır.
Avals :
Ancak bireysel koşuları değil, optimal bölgeyi ve bunun sonucunu düşünürsek, serinin farklı bölümlerinde optimal bölge için pozitif bir sonucun korunmasını ayarlamak neredeyse imkansızdır.
Evet, IMHO sadece başka bir bozkırda aynı. En uygun bölge, sonuçlara göre bir tür yumuşatma filtresi midir?
bu, belirli bir toptan satış aralığında hedef göstergenin (örneğin kar faktörü) ortalama değeridir.
Yeterli bir ortalama hedef değerine sahip toptan satış aralığının, testin tüm alanlarında sürdürülebilecek kadar geniş olması önemlidir. Bazı koşuları geçici olarak kaybetme bölgesine gidebilir, ancak ortalama olarak menzil karlı kalmalıdır. Bu her seçenek için geçerliyse sistem sağlamdır.
Genel olarak mesele, tek bir koşunun değil, bir bütün olarak toptan satışın sağlamlığını değerlendirmektir.
Örneğin, bir kişinin IQ'sunun boyuna bağlı olduğuna karar verdiler. 1000 kişi için optimize edildi ve 162 cm yükseklikte ortalama olarak maksimum IQ'ya ulaşıldığını buldu. Sonra ileriyi diğer insanlar üzerinde test etmeye başladılar ve çok iyi çalışmadı)) Fakat 160-170 cm boyundaki insanların her örnekte stabil olduğu ortaya çıkarsa, örneğin, daha yüksek bir ortalama IQ'ya sahipler. , o zaman bunun bir kaza olma şansı, bir değer seçmeye göre çok daha azdır (çünkü örneklemde daha fazla insan vardır). Ve bu, IQ'nun yüksekliğe bağımlılığının gerçekleştiği anlamına gelir.
Ekli dosyadaki yeni sürüm, bu sefer para yönetimi ile (depozitonun agresif olmayan yüzdesi):
Ekli dosyadaki yeni sürüm, bu sefer para yönetimi ile (depozitonun agresif olmayan yüzdesi):
uydurma sorunu, bazılarının yalnızca bireysel optimizasyon sonuçlarını (çalışmaları) analiz etmesidir. Ve bunları toplu olarak düşünmek gerekir - optimal bölgeler için toplam sonuç. Ve sonra ileri gerekli değildir.