Nöral ağlar - sayfa 13
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
HONN'lar hakkında iyi bir bilgi kaynağı istiyorsanız, "Ekonomi ve İşletme için Yapay Yüksek Dereceli Sinir Ağları" kitabını edinin. Yeni bir yayın olduğu için çok iyi bilgiler içeriyor. Fiyatı öldürücü (180$) ama pdf olarak bulabilirsiniz
Bahsettiğim buydu, iyi oldu. Sadece biraz yolum var ve şimdiden bana birçok fikir verdi. Bunları uygulamak benim için zaten biraz daha zor, bu kodlama sıtması için biraz acemiyim...
Tavsiyeler için teşekkürler, bir göz atıp göreceksiniz... Şansınız yaver gider ve bazılarını üniversite kütüphanesinde bulabilirsiniz. Kendi kütüphanesi olan yeni bir Yapay Zeka binası inşa ettiler, bu yüzden orada bir şeyler olabilir. Aksi takdirde hasta sadece indirin ...
Oh, 10 yıllık verilerimi sırasıyla 2/3 ve 1/3 olarak iki parçaya böldüm, ağı ilk 2/3'te eğittim (2/3'ü eğitim, test ve CV parçalarına bölme dahil) ve ardından elde edilen ağı test ettim. kalan 1/3 ve doğru kalmış gibi görünüyordu. Asgari bir doğruluk kaybı vardı ama yine de 0,9995 regresyon çizgisiydi. Bu yine de önceki eğitim verilerine fazla takılmakla açıklanabilir mi?
- "Gen Expression Programming" - Candida Ferreira tarafından.
Pamukçuk'a neden olan bakteri Candida Ferreira değil mi?
sörfçü
ENN kullanarak Forex ticareti yapmıyorum. Yakında başlayabilirim, ancak muhtemelen fiyatı tahmin etmeye çalışmak yerine, ne zaman uzun/kısa ticaret yapılacağına karar veren sınıflandırma/sistemler kullanacağım - Forex değişkendir.
Şimdilik, portföy yönetimi için ENN ve genetik algoritmalar / ve bulanık mantık, kaba küme teorisi vb. / diğer bazı şeyleri / T-bono ticareti vb. amacıyla uzun vadeli faiz oranlarını tahmin etmek için kullanıyorum.
Sonuçlar oldukça iyi. Mali kriz sona erdikten sonra her şey daha iyi ve daha istikrarlı hale geldiğinde daha iyi olacaklar.
mrwobbles
Forex ticareti yapmak amacıyla hata ölçümlerine bakmayın, bunun yerine tahminlerin istenen çıktı gibi aynı fiyat hareketi yönünü gösterip göstermediğini kontrol edin . Demek istediğim - NN, bir sonraki fiyatın mevcut fiyattan daha yüksek kapanacağını gösteriyorsa, fiyatın açılış seviyesinin en az x pip üzerine çıkmasını beklemeniz gerekir. H1 veya H4 gibi zaman dilimleri için tam fiyat seviyesini tahmin etmek neredeyse imkansızdır.
Şimdi aldığınız küçük hata, ölçümünün yanlış yönteminden kaynaklanmaktadır.
Ve haklısın - Candida adında bir maya türü var.
Hem kapanışı hem de açılış-kapanış yayılmasını tahmin etmeye çalıştım çünkü bence tam kapanışın neredeyse imkansız olacağını tahmin etmekte haklısınız. Doğru girdileri sağlarsanız, genetik olarak optimize edilmiş nöronlara ve ağırlıklara sahip uygun bir ağın bunu 5 pip içinde yapabileceğini düşünüyorum. t+1'den daha ileriyi tahmin etmek için Kohonen kendi kendini organize eden haritaları (SOM'lar) kullanmayı düşündünüz mü? Anladığım kadarıyla Kohonen ağları t+1 için tahmin alabilir ve sonra bu değeri t+10 demek için tüm değerleri tahmin etmek için kullanabilir, yanılıyor olabilirim. Gördüğüm tüm örnekler aradığımdan daha az doğru olsa da, bu yararlı olacaktır.
Forex zaman serilerini tahmin etmek amacıyla SOM'ları unutun. ENN çok daha iyi.
t+1 /t+2, t+3 vb./ üzerindeki adımları tahmin etmek istiyorsanız, sadece farklı bir zaman çerçevesi kullanın. Örneğin, gelecek haftanın trendini tahmin etmek istiyorsanız, W1 zaman çerçevesini kullanın. t+n-1'e dayalı olarak t+n tahmininde bulunmayın /çünkü Forex döviz kurları kaotik ve doğrusal değil/. Ayrıca bir ağı t+1'i tahmin etmek için, ikincisini t+2'yi /aynı verileri kullanarak/ vb. tahmin etmek için eğitebilirsiniz.
Çok iyi bir fikir hibrit sistemler oluşturmaktır. Basit bir deyişle - 5-6 en iyi sinir ağını alın ve çıktılarını birleştirin /bunun için basit ortalamayı kullanabilirsiniz [(out1+out2+...+outN)/N)], GEM, LWPR [LWPR en iyi seçim IMO] vb./
Temel olarak düşündüğüm şey buydu, SOM'lardan birkaç tahmin gördüm ve trendi 20 adımlık bir süre boyunca yakalamış olabilirler, ancak fiyatın izlediği gerçek yoldan çok uzaktaydılar. Biyolojik sistemleri taklit etmek için tasarlanan NN göz önüne alındığında, genetik optimizasyonu kullanmanın ileriye giden yol olduğunu düşünüyorum, bir tür evrimsel süreç eklemenin doğruluğu artıracağı mantıklı görünüyor.
Bu sonuçlardan emin değilim, yönü doğru alıp almadığını kontrol etmek için yakınlaştırdım ve daha sık alıyor gibi görünüyor. Birkaç anormal sonuç var (biri 400 pip = S ile çıktı), ancak çoğunlukla doğru yönü alıyor. Resim, yakın, yüksek ve düşük için hedeflere (mavi) yönelik tahminleri (yeşil) gösterir. YSA'lar hakkında çok şey okudum ama bu onları oluşturmaya yönelik ilk denemem, bu yüzden bariz olandan başka ne aradığımı tam olarak bilmiyorum.
merhaba
Bunu tekrar göndereceğim: birkaç yıl önce, kuyu kaydı sürecinde petrol birikintisini tahmin etmek için bulanık mantık + Geri Yayılımlı Sinir Ağı ile ilgili bir tez yazdım ve sonuç iyi, bu yüzden NN geri yayılımlı bulanık mantığın uygulanabileceğini düşünüyorum. Bu işteki eğilimi tahmin edin, ancak daha iyi bir sonuç elde etmek için eğitmek için daha fazla veriye ihtiyacı var, kayaların modelini tahmin etmek için 9 düğüm kullandım, bir forex modelini tanımak için kaç düğüm olduğunu bilmiyorum.
===================
Forex Göstergeleri Koleksiyonu
Bunu tekrar yayınlayacağım: birkaç yıl önce, kuyu kaydı sürecinde petrol birikintisini tahmin etmek için bulanık mantık + Geri Yayılımlı Sinir Ağı ile ilgili bir tez yazdım ve sonuç iyi, bu yüzden NN geri yayılımlı bulanık mantığın uygulanabileceğini düşünüyorum. Bu işteki eğilimi tahmin edin, ancak daha iyi bir sonuç elde etmek için eğitmek için daha fazla veriye ihtiyacı var, kayaların modelini tahmin etmek için 9 düğüm kullandım, bir forex modelini tanımak için kaç düğüm olduğunu bilmiyorum.
===================
Forex Göstergeleri KoleksiyonuBunun büyük ölçüde ağa verdiğiniz giriş sayısına bağlı olduğunu okudum. 32 girdi veriyorum ve 3 çıktı istiyorum, bu yüzden (32-3)/2=14.5 ile başlayacağım, yani 14 nöron diyelim ve oradan çalışacağım. Yaptığım model 13 düğüm kullanıyor, komik bir şekilde düğümleri azaltmak hem doğruluğu hem de yakınsama süresini bir noktadan sonra azalttı. Bir ENN oluşturmak için probleme genetik bir algoritma uygulamak, Kazam'ın bahsettiği gibi, ağın, doğru sonuçlar üreten tüm olası ağlardan oluşan bir örnek uzayda en uygun ağı seçmesine izin vermelidir. Tabii onlar hakkında okuduklarımı anladıysam. Bunun, ağı kurmak için gereken süreyi önemli ölçüde artıracağını düşünürdüm.
prasxz
Bulanık sinir ağları ve bulanık hibrit sinir sistemleri, ticaret sistemleri oluştururken çok iyi bir seçim olabilir. Kaotik zaman serilerini tahmin etme amacıyla daha az faydalı olabilirler.
mrwobbles
Bu çizelgeler eğitim verilerini /istenen ve tahmin edilen/?
Uygun sayıda düğüm seçmek çok çok zordur. Sunduğunuz formül işe yaramaz /ama çok popüler/ - optimal veya optimale yakın bir NN mimarisi seçmenin deterministik bir yolu yoktur.
Genetik algoritmalar bu sorunun üstesinden gelir. Bir GA'ya iki grup sağlarsınız - biri terminal sembolleri/girişleri, sabitleri vb./ ve diğeri farklı aktivasyon işlevleri, trigonometrik işlevler vb./ ile işlevler /düğümler/ ve algoritma bu grupların üyelerini kullanarak NN'leri "oluşturur" . Bu şekilde 3 düğümü ve 5 girişi olan bir NN veya 30 düğümü ve 50 girişi olan bir NN elde edebilirsiniz. Ne kadar çok nesil beklerseniz, NN'ler o kadar iyi olur / neden böyle olduğunu bilmek istiyorsanız Holland'ın şema teoremi hakkında okursunuz.
/.
mrwobbles
Bu çizelgeler eğitim verilerini /istenen ve tahmin edilen/?
Uygun sayıda düğüm seçmek çok çok zordur. Sunduğunuz formül işe yaramaz /ama çok popüler/ - optimal veya optimale yakın bir NN mimarisi seçmenin deterministik bir yolu yoktur.
Genetik algoritmalar bu sorunun üstesinden gelir. Bir GA'ya iki grup sağlarsınız - biri terminal sembolleri/girişleri, sabitleri vb./ ve diğeri farklı aktivasyon işlevleri, trigonometrik işlevler vb./ ile işlevler/düğümler/ ve algoritma bu grupların üyelerini kullanarak NN'leri "oluşturur" . Bu şekilde 3 düğümü ve 5 girişi olan bir NN veya 30 düğümü ve 50 girişi olan bir NN elde edebilirsiniz. Ne kadar çok nesil beklerseniz, NN'ler o kadar iyi olur / neden böyle olduğunu bilmek istiyorsanız Holland'ın şema teoremi hakkında okursunuz.
Evet antrenman vs tahmin. Eğitim, test ve çapraz doğrulama için kullanılan ilk 6-7 yıllık verilerle yeni bir ağ kurdum. Daha sonra, kalan 3 yıllık verileri, canlı bir testi taklit etme fikri olan, öğrenme olmadan bir test olarak besledim. Eğitim regresyon çizgisi 0,99995'lik bir eğime sahipti ve onu 0,9995'e düşen yaklaşık 3 yıl daha önce görülmemiş verilerle beslediğimde. Bunu nasıl yorumlayacağımdan emin değilim. Bir saatten az bir sürede bir araya getirdiğim bir şey için biraz fazla doğru görünüyor.
Evet, bu formüle kütüphanede bulduğum sinir ağlarına giriş kitabında rastladım. Temel bilgileri kapsıyordu ve benim için sinir ağları dünyasına iyi bir giriş oldu. Yeni başlayan biri için, genetik algoritmalar gibi daha zor kavramlarla uğraşmadan önce başlamak için en iyi yer orası.
Eğer doğru anladıysam, ilk başta, sorunu çözebilecek rastgele bir program popülasyonu (giriş ağırlıkları, gizli katmanlar, nöronlar vb.) sondan daha iyi. Elbette ilk popülasyonu rastgele oluşturursanız, hiçbir programın sorunu çözmediği bir popülasyon oluşturma şansınız yok mu? Yoksa sorunu çözmeyen bir popülasyonla başlayıp daha sonra çözen bir popülasyonu geliştirme fikri mi? Elbette bu çok fazla hesaplama gerektirir mi? Ortalama masaüstünün kaldırabileceğinden daha fazlası mı? Paralel grafik kartı işlemeyi veya daha da iyisi, büyük ölçüde paralel bir sistemin gerekli olacağını hayal ediyorum. Bununla birlikte, en uygun çözümü seçmek için en iyi yaklaşım gibi görünüyor.
Mevcut yöntemlerle eğitimden oluşturulan 12 ağdan oluşan bir popülasyonla başlayıp, daha sonra bu program setini birbirleriyle yavru üretmek için kullanmak daha iyi olmaz mıydı? Daha sonra, daha iyi bir popülasyon geliştirmek, başarısız yavruları budamak ve gelecek nesil ebeveynleri olmak için en uygun 12 programı seçmek için önerdiğiniz yöntemleri kullanarak bir soy ağacı tipi yapı oluşturabilir misiniz? Fikir, sorunu çözdüğünü bildiğiniz bir popülasyonla başlamak ve ardından ortaya çıkan yavrulardan daha verimli bir program geliştirmektir.