交易中的机器学习:理论、模型、实践和算法交易 - 页 52 1...454647484950515253545556575859...3399 新评论 mytarmailS 2016.07.25 07:25 #511 Dr.Trader:适配度的增长可能仅仅是因为模型改进了它的拓扑结构,放弃了几个神经元,而达到同样的精度。 据我从代码中的注释理解,它是从Lua移植过来的。而Lua也是一种移植,因为原版已经在c++中了:http://nn.cs.utexas.edu?neat 从端口到端口是不幸的,很多不必要的动作,如果RNeat的作者以C++代码为基础,用现有的R基因包来演化网络会更好。 出于某种原因,我以为那里写的都是R-K。 mytarmailS 2016.07.25 07:27 #512 mytarmailS:我在一个网站上找到了这个,但不知道为什么,它已经失效了也许有人会感兴趣:...下一步是建立一个新的模型: 我们对 收盘价 应用低通滤波器(我使用二阶巴特沃斯滤波器),应用多项式谐波逼近,将A*cos(wx)+B*sin(wx)转换为M*sin(wx+f),并将M和f作为二级特征。 ....有了这个模型,我成功地建立了一个具有非常好的泛化特性的网络:它几乎能正确识别所有的新数据。尤里-雷谢托夫--尤里,你能理解这个人在这里写的大致内容吗? TheXpert 2016.07.25 08:57 #513 美分账户最近很流行 Alexey Burnakov 2016.07.25 09:26 #514 组合器。 最近,吹嘘美分账户是一种时尚 某处又有广告了吗? Yury Reshetov 2016.07.25 09:45 #515 mytarmailS:mytarmailS:...下一步是建立一个新的模型: 我们对 收盘价 应用低通滤波器(我用的是二阶巴特沃斯滤波器),应用多项式谐波近似,将A*cos(wx)+B*sin(wx)转换为M*sin(wx+f),并将M和f作为二级特征。 ....有了这个模型,我成功地建立了一个具有非常好的泛化特性的网络:它几乎能正确识别所有的新数据。 尤里-雷谢托夫--尤里,你能理解这个人在这里写的大致内容吗?说实话,不是真的。有很多问题。例如,如果可以简单地将傅里叶变换中不需要的谐波设置为零来忽略它们,或者将过滤后的谐波的振幅削减到阈值,为什么还要分别进行预过滤呢? 哪些具体的频率被过滤掉了?另一个大问题,因为猜测的选项是一马车和一个小推车。为什么低频成分被过滤而不是中频或高频?毕竟按照逻辑,噪音很可能是在中频或高频。价格VR的非周期性问题是如何解决的,即如何消除周期边缘的不精确性?从表面上看,我们似乎有某种没有具体内容的学术文本--未经证实的断言。 因此,在不知道上述问题的答案的情况下,人们只能猜测如何在实践中重现它,是否会得到任何充分的结果? TheXpert 2016.07.25 09:53 #516 阿列克谢-伯纳科夫。 某处又有广告了吗? 是的,它是。 [删除] 2016.07.25 09:55 #517 这里的问题不是吹牛或美分账户。问题是别的东西。在我看来,参与讨论的人是希望通过塞给他们不必要的投入来找到一些圣杯。而且他们完全忘记了他们必须使用现成的战略或战术,无论哪一个更好。机器只做你放进去的东西。输入的狗屎就是输出的狗屎。对不起。 Alexey Burnakov 2016.07.25 10:09 #518 Vadim Shishkin:这里的问题不是吹牛或美分账户。问题是别的东西。在我看来,参与讨论的人是希望通过塞给他们不必要的投入来找到一些圣杯。而且他们完全忘记了他们必须使用现成的战略或战术,以哪个更好为准。机器只做你放进去的东西。输入的狗屎就是输出的狗屎。我很抱歉。一个蛋白质神经网络可以充满了垃圾,进进出出。对不起。 [删除] 2016.07.25 10:12 #519 阿列克谢-伯纳科夫。一个蛋白质神经网络也可以充满了咕咕声,包括输入和输出。(笑) 对不起。没错,这就是我的意思。你对这个问题有什么要说的? Alexey Burnakov 2016.07.25 10:26 #520 Vadim Shishkin:没错,这就是我的意思。你对这个问题有什么要说的吗?所以问题是给你的。)有什么策略?你的脑子里想出了什么?所以告诉我。 1...454647484950515253545556575859...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
适配度的增长可能仅仅是因为模型改进了它的拓扑结构,放弃了几个神经元,而达到同样的精度。
据我从代码中的注释理解,它是从Lua移植过来的。而Lua也是一种移植,因为原版已经在c++中了:http://nn.cs.utexas.edu?neat
从端口到端口是不幸的,很多不必要的动作,如果RNeat的作者以C++代码为基础,用现有的R基因包来演化网络会更好。
我在一个网站上找到了这个,但不知道为什么,它已经失效了
也许有人会感兴趣:
...下一步是建立一个新的模型: 我们对 收盘价 应用低通滤波器(我使用二阶巴特沃斯滤波器),应用多项式谐波逼近,将A*cos(wx)+B*sin(wx)转换为M*sin(wx+f),并将M和f作为二级特征。
....有了这个模型,我成功地建立了一个具有非常好的泛化特性的网络:它几乎能正确识别所有的新数据。
尤里-雷谢托夫--尤里,你能理解这个人在这里写的大致内容吗?
最近,吹嘘美分账户是一种时尚
mytarmailS:
...下一步是建立一个新的模型: 我们对 收盘价 应用低通滤波器(我用的是二阶巴特沃斯滤波器),应用多项式谐波近似,将A*cos(wx)+B*sin(wx)转换为M*sin(wx+f),并将M和f作为二级特征。
....有了这个模型,我成功地建立了一个具有非常好的泛化特性的网络:它几乎能正确识别所有的新数据。
尤里-雷谢托夫--尤里,你能理解这个人在这里写的大致内容吗?
说实话,不是真的。有很多问题。
从表面上看,我们似乎有某种没有具体内容的学术文本--未经证实的断言。
因此,在不知道上述问题的答案的情况下,人们只能猜测如何在实践中重现它,是否会得到任何充分的结果?
某处又有广告了吗?
这里的问题不是吹牛或美分账户。
问题是别的东西。
在我看来,参与讨论的人是希望通过塞给他们不必要的投入来找到一些圣杯。
而且他们完全忘记了他们必须使用现成的战略或战术,无论哪一个更好。
机器只做你放进去的东西。
输入的狗屎就是输出的狗屎。
对不起。
这里的问题不是吹牛或美分账户。
问题是别的东西。
在我看来,参与讨论的人是希望通过塞给他们不必要的投入来找到一些圣杯。
而且他们完全忘记了他们必须使用现成的战略或战术,以哪个更好为准。
机器只做你放进去的东西。
输入的狗屎就是输出的狗屎。
我很抱歉。
一个蛋白质神经网络可以充满了垃圾,进进出出。
对不起。
一个蛋白质神经网络也可以充满了咕咕声,包括输入和输出。
(笑) 对不起。
没错,这就是我的意思。
你对这个问题有什么要说的?
没错,这就是我的意思。
你对这个问题有什么要说的吗?
所以问题是给你的。)
有什么策略?你的脑子里想出了什么?所以告诉我。