Bir sinir ağı kullanarak rastgele bir desen arayın

Yeni yorum
 

Bana grafikte bir kalıp bulmak için bazı fikirler söyle. Örneğin, "kafa-omuzlar".

Ne tür bir veriyi girmenin daha iyi olduğunu ve nasıl eğitileceğini çözemiyorum, çünkü desen farklı sayıda çubuk alabilir ve farklı şekillere sahip olabilir.

Bir evrişim ağı akla geliyor. Ancak tam olarak neyin ve nasıl kapatılacağı henüz belli değil.

 
Anton_M :

Bana grafikte bir kalıp bulmak için bazı fikirler söyle. Örneğin, "kafa-omuzlar".

Ne tür bir veriyi girmenin daha iyi olduğunu ve nasıl eğitileceğini çözemiyorum, çünkü desen farklı sayıda çubuk alabilir ve farklı şekillere sahip olabilir.

Bir evrişim ağı akla geliyor. Ancak tam olarak neyin ve nasıl kapatılacağı henüz belli değil.

Alternatif olarak şunları önerebilirim.

İlk olarak, sıradan matematik ve koşullar yardımıyla, çizelgedeki bu örüntüyü olabildiğince temiz bir şekilde belirlemeye çalışıyoruz. Doğal olarak, maksimum yaklaşımla bile, sıradan matematik ve mantığın kesemeyeceği yanlış kalıpların yanı sıra gerçek kalıpların olacağı bir örnek alacağız. Böylece, sözde kirli numuneyi aldık ve burada numuneyi sonuna kadar temizlemek için sınıflandırma ağlarını kullanmak zaten nazik. Bunun yerine, ağı, kirli bir örnekten temiz bir tane çıkarabilecek şekilde eğitin, yalnızca gerçek baş ve omuzları işe ve çöpü sepete bırakın. Bir seçenek olarak...

 
Anton_M :

Bana grafikte bir kalıp bulmak için bazı fikirler söyle. Örneğin "kafa-omuzlar".

Ne tür bir veriyi girmenin daha iyi olduğunu ve nasıl eğitileceğini çözemiyorum, çünkü desen farklı sayıda çubuk alabilir ve farklı şekillere sahip olabilir.

Bir evrişim ağı akla geliyor. Ancak tam olarak neyin ve nasıl kapatılacağı henüz belli değil.

Şeklin bir modelini yapabilir ve olağan korelasyonu kontrol edebilirsiniz. Doğru, baş-omuz modeli için model karmaşıktır, 6 bölümden oluşur ve her bölüm farklı uzunluklarda olabilir ( çubuk sayısı ). Ancak bunu otomatik olarak yapmak oldukça mümkündür. Elbette böyle bir kalıbı portföyden regresyon kullanarak toplamak çok daha uygun ama bu zaten farklı bir konu. Her şey aradığınız desen sayısına bağlıdır. Eh, dedikleri gibi, og'lerin egzersiz yaparken avantaj sağlayacağı bir gerçek değil.
 
Mihail Marchukajtes :

Alternatif olarak şunları önerebilirim.

İlk olarak, sıradan matematik ve koşullar yardımıyla, çizelgedeki bu örüntüyü olabildiğince temiz bir şekilde belirlemeye çalışıyoruz. Doğal olarak, maksimum yaklaşımla bile, sıradan matematik ve mantığın kesemeyeceği yanlış kalıpların yanı sıra gerçek kalıpların olacağı bir örnek alacağız. Böylece, sözde kirli numuneyi aldık ve burada numuneyi sonuna kadar temizlemek için sınıflandırma ağlarını kullanmak zaten nazik. Bunun yerine, ağı, kirli bir örnekten temiz bir tane çıkarabilecek şekilde eğitin, yalnızca gerçek baş ve omuzları işe ve çöpü sepete bırakın. Bir seçenek olarak...

Böyle bir fikir vardı. Ancak burada bir nüans var, anladığım kadarıyla, belirli bir veri penceresini girdi olarak göndermeniz gerekiyor (diyelim ki, tüm kalıbın içine sığması için 200 çubuk diyelim), sonra:

1) desen, pencerenin farklı bölümlerinde olabilir ve sınıflandırıcı bunu anlayamayacaktır, çünkü sol taraftaki desenli pencere, sağ taraftaki desenli pencereden farklı olacaktır;

2) sınıflandırıcı kendi kendini organize etmelidir, çünkü sıkı mat. model, yanlış kalıplara ek olarak, doğru olanlardan bazılarını da kesecektir;

3) kendi kendine örgütlenme, herhangi bir belirli kalıbın sınıflandırılacağını garanti etmez.

 
Anatolii Zainchkovskii :
Şeklin bir modelini yapabilir ve olağan korelasyonu kontrol edebilirsiniz. Doğru, baş-omuz modeli için model karmaşıktır, 6 bölümden oluşur ve her bölüm farklı uzunluklarda olabilir ( çubuk sayısı ). Ancak bunu otomatik olarak yapmak oldukça mümkündür. Elbette böyle bir kalıbı portföyden regresyon kullanarak toplamak çok daha uygun ama bu zaten farklı bir konu. Her şey aradığınız desen sayısına bağlıdır. Eh, dedikleri gibi, og'lerin egzersiz yaparken avantaj sağlayacağı bir gerçek değil.

ayrıca daha fazla sayıda bölümden oluşabilir (burada yine de bir bölümün ne olduğunu belirlemeniz gerekir), çünkü piyasa fraktaldir ve daha yüksek seviyelerdeki segmentler daha genç olanlardan oluşur ve bunu bir tür kırık çizgi olarak görebiliriz.

 
Anton_M :

ayrıca daha fazla sayıda bölümden oluşabilir (burada yine de bir bölümün ne olduğunu belirlemeniz gerekir), çünkü piyasa fraktaldir ve daha yüksek seviyelerdeki segmentler daha genç olanlardan oluşur ve bunu bir tür kırık çizgi olarak görebiliriz.

Bu harika. Bu tür kırık çizgilerin (modellerin) örneklerini hesabımda görebilirsiniz, ekran görüntüleri yayınladım. Bulunan piyasa grafiğinin modelden ne kadar farklı olduğunu görün.
 
Anton_M :

Bana grafikte bir kalıp bulmak için bazı fikirler söyle. Örneğin, "kafa-omuzlar".

Ne tür bir veriyi girmenin daha iyi olduğunu ve nasıl eğitileceğini çözemiyorum, çünkü desen farklı sayıda çubuk alabilir ve farklı şekillere sahip olabilir.

Bir evrişim ağı akla geliyor. Ancak tam olarak neyin ve nasıl kapatılacağı henüz belli değil.

Kalıpları sınıflandırmak (tanımak) için eksiksiz bir sistem vardır. Tamamen MQL5 ile yazılmıştır.

İlgilenen olursa piyasaya çıkarabilirim. Aksi takdirde, ortalığı karıştırmak için çok tembel.

 
Dmitriy Skub :

Kalıpları sınıflandırmak (tanımak) için eksiksiz bir sistem vardır. Tamamen MQL5 ile yazılmıştır.

İlgilenen olursa piyasaya çıkarabilirim. Aksi takdirde, ortalığı karıştırmak için çok tembel.

Piyasaya koyun.

Ama kişisel olarak satın almayacağım. İlkenin kendisiyle ilgileniyor. Topikstarter doğru soruyu sordu ve bana ilginç geldi.

Sınıflandırıcınızın topikstarter'ın ihtiyaçlarını ve ilgi alanlarımı karşıladığından emin misiniz?

 
Sergey Chalyshev :

Piyasaya koyun.

Ama kişisel olarak satın almayacağım. İlkenin kendisiyle ilgileniyor. Topikstarter doğru soruyu sordu ve bana ilginç geldi.

Sınıflandırıcınızın topikstarter'ın ihtiyaçlarını ve ilgi alanlarımı karşıladığından emin misiniz?

Genel olarak, isteklerinizi yerine getirecek bir görevim yok) Karşılaştırma için DTW yöntemi kullanılır. Bu yöntem, orijinalle karşılaştırıldığında dikey/yatay olarak desenlerin "bozulmalarına" değişmez.

Ayrıca, belirli kalıpların depolanması ve muhasebeleştirilmesi için bir sistem ve bir kalıbın ticaret özelliklerinin ön doğrulaması için bir sistem içerir.

Başka bir şey hatırlamıyorum - uzun zaman önce yaptım)

 
Dmitriy Skub :

Genel olarak, isteklerinizi yerine getirecek bir görevim yok) Karşılaştırma için DTW yöntemi kullanılır. Bu yöntem, orijinalle karşılaştırıldığında dikey/yatay olarak desenlerin "bozulmalarına" değişmez.

Ayrıca, belirli kalıpların depolanması ve muhasebeleştirilmesi için bir sistem ve bir kalıbın ticaret özelliklerinin ön doğrulaması için bir sistem içerir.

Başka bir şey hatırlamıyorum - uzun zaman önce yaptım)

DTW yöntemini bilmiyordum, teşekkürler!

Onu sinir ağlarıyla en iyi nasıl kullanacağımı bulana kadar. Sonuçta, desen yalnızca eksenler boyunca deforme edilemez, aynı zamanda şeklini de değiştirebilir (yuvalama, geliştirme seçeneklerine sahiptir).

 
Anton_M :

Bana grafikte bir kalıp bulmak için bazı fikirler söyle. Örneğin, "kafa-omuzlar".

Ne tür bir veriyi girmenin daha iyi olduğunu ve nasıl eğitileceğini çözemiyorum, çünkü desen farklı sayıda çubuk alabilir ve farklı şekillere sahip olabilir.

Bir evrişim ağı akla geliyor. Ancak tam olarak neyin ve nasıl kapatılacağı henüz belli değil.

Bir desen aramak için bir sinir ağı gerekli değildir. Normal bir Uzman Danışmanda arama yapabilirsiniz. Bir zikzak takın. Bir baş-omuz modelinin varlığını belirlemek için, 1) ekstremumların birbirine göre konumunu (yukarı-aşağı) ve 2) (sıfır çubuğuna göre daha yakın) kontrol etmek gerekir.

Ve desenin kaç çubuk sürdüğü önemli değil, ekstremumların birbirine göre dikey ve yatay olarak konumunu kontrol etmek yeterlidir.

12345678...10
Yeni yorum