"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 14 1...789101112131415161718192021...100 新评论 Avals 2011.10.21 12:29 #131 Urain。1）[-1;0;1]输出方案中存在一个错误，理论上这三个输出选项的概率应该是一样的，事实上，要把正切值保持在0或西格玛值保持在0.5是非常困难的，它还是会尝试跳转。这可能是因为我只举了一个例子。 Urain。2）在 "交易者的统计 "中，Bulashev有一个头寸（订单）效率评估的方案，我们可以应用这个方案并训练网络传递交易信号，而拖网、盈亏平衡都是与网格无关的TS的元素。3）过滤器是预处理（准备例子）的要素，这是一个必要的事情，但我们必须把苍蝇和小刀分开。如果你把预处理塞进网格算法，那么你就不会得到普遍化。不，这种情况下的过滤器是交易逻辑的一部分，不是数据的预处理。 我不是建议把网格塞进算法中，而是允许把网格作为一般TS逻辑的一部分进行教学。你认为NS的产出是什么？只有最后的买入/卖出预测？ Avals 2011.10.21 12:32 #132 TheXpert。 即ATR RSI和wipers将设置背景？也是在多个TC输入上？那是一个没有机会的愚蠢的配合。你需要的是真正能赚钱的东西，还是一个例子，NS只是TS的元素之一，然后用什么来教它？顺便说一下，在许多对上显示出相当好的结果，是由带有一些非标准过滤的2辆马车的系统显示出来的（在那里不需要NS:）。 Mykola Demko 2011.10.21 12:40 #133 阿瓦尔斯。1）可能是，因为我只举了一个例子。 2）不，这种情况下的过滤器是交易逻辑的一部分，而不是数据预处理。 我不是建议把网格塞进算法，而是让网络作为整个TS逻辑的一部分进行训练。你认为NS的产出是什么？只 有最后的买入/卖出预测？ 1）这不是向你投掷巨石，我只是在强调这一点的重要性。2）NS的输出可以是任何解释的信号，在交易的背景下，它既可以是市场条件的分类（坏的好的，趋势平缓的，等等），也可以是具体的交易信号，顺便说一下，没有人禁止具体指标信号的分类。比如说。"mashka ssha "给出了一个不好的信号。在为这样的信号训练了网格后，它可以进一步在委员会中使用。上文建议创建一个方便的界面，将网络合并成委员会。交易的效率只是后处理的一个特例。 Avals 2011.10.21 12:41 #134 TheXpert。 我想教NS通过在上面添加几个自由度来交易你的TS。 那么那里的弱点就是真正的盈利平仓。我可以尝试教授NS，但这可能偏离了这个话题。 TheXpert 2011.10.21 12:43 #135 阿瓦尔斯。你需要一些能真正赚钱的东西。好吧，只是这个过滤器很微不足道，制作它根本不是问题。该算法很简单。我们运行TS，在入口处或一些附近地区收集输入和必要的参数（МА、RSI、АТР）。然后我们给所有收集到的参数以进入和退出，或以点为单位的交易结果，如果是正数则为1，如果是负数则为1。我们将所有这些输入一个微不足道的3层非线性Perspectron并对其进行训练。 Voila. Документация по MQL5: Стандартные константы, перечисления и структуры / Торговые константы / Свойства сделок www.mql5.com Стандартные константы, перечисления и структуры / Торговые константы / Свойства сделок - Документация по MQL5 Avals 2011.10.21 12:46 #136 Urain。2）NS的输出可以是任何解释的信号，在交易的背景下，它可以是市场条件的分类（坏的好的，趋势平缓的，等等）和具体的交易信号，顺便说一下，没有人禁止对某一指标的信号进行分类。比如说。"mashka ssha "给出了一个不好的信号。在为这样的信号训练了网格后，它可以进一步在委员会中使用。上文建议创建一个方便的界面，将网络合并成委员会。交易的效率只是后处理的一个特殊情况。 委员会只是解决方案的一部分。如何方便有效地实现对这种只是特定系统逻辑的一部分的NS的训练？它们不能被单独训练，因为没有训练样本。 Mykola Demko 2011.10.21 12:53 #137 阿瓦尔斯。 委员会只是解决方案的一部分。我们如何能方便有效地实现对这种NS的训练，这只是特定系统逻辑的一部分？它们不能被单独训练，因为没有训练样本。 我想回答 "怎样才能防止它"，但它将只是一个特定的解决方案。好吧，我们需要提供NS的培训，既作为EA的一部分，又单独提供现成的例子。 Avals 2011.10.21 13:01 #138 TheXpert。好吧，只是这个过滤器很微不足道，制作它根本不是问题。该算法很简单。我们运行TS，在入口点或一些附近地区收集输入和必要的参数（MA、RCI、ATR）。然后我们把收集到的参数作为输入，并给出一个输出--要么是以点为单位的交易结果，要么是简单的1，如果它是好的，或-1，如果它是坏的。我们将其全部送入一个微不足道的3层非线性Perspectron，并对其进行训练。 Voila.是的，我们可以这样做，但只是通过一个地方）））。例如，一个带有选项的TS。对每一批次的产品进行类似的练习？好吧，你可以以某种方式扭曲和自动化这个过程。或者反过来说，输入过滤器是正常的（布尔逻辑），而NS买入/卖出。但原则上，一切都可以制定并以某种方式实施。问题是方便、清晰和可移植性，供他人使用。 Mykola Demko 2011.10.21 13:18 #139 sergeev:与NS合作只是为了选择其拓扑结构吗？训练方法也起着重要作用。拓扑结构和学习是密切相关的。所有用户都有自己的imho，所以你不能把一半的决定权放在自己身上。我们需要创建一个 不受预设限制的网络设计器 。并尽可能地普及。在我提出的网络构建方案中，学习方法是独立于拓扑结构的!由于网格本身知道东西从哪里来，什么东西到哪里去，那么错误的传播是自动的，程序员不需要为此费心。 sergeev 2011.10.19 17:06:50 二维阵列是否足以满足各种拓扑结构和视觉理解？我前几天已经回复了，但我一直在悠闲地思考这个问题。 要建立一个网络，这样一个连接表就足够了层神经元输入连接层连接神经元链接输出100000101010110000111010200100201110这是一个三层MLP的例子，零层输入，第一层两个神经元，第二层一个神经元。前三列是通过连续列举所有神经元和所有神经元的输入来创建的，第二遍设置匹配（有一个例外，如果 "通信层 "大于或等于 "层"，那么输出就大于0，这些后面只能从延迟运算器获取信号）。使用这样的连接表，我们甚至可以通过随机性来设置拓扑结构，这仍然是一个多功能性的指标。实际上，我在考虑将层数存储在神经元本身，对于一维数组来说，编号应该是连续的，但现在还是先讨论一般的公式和细节吧。 TheXpert 2011.10.21 13:21 #140 Urain。在我提出的网络方案中，学习方法并不取决于拓扑结构！在我提出的网络方案中，学习方法并不取决于拓扑结构。由于网格本身知道东西从哪里来，到哪里去，错误传播是自动的，程序员不必为此费心。我不相信 :) 1...789101112131415161718192021...100 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
1）[-1;0;1]输出方案中存在一个错误，理论上这三个输出选项的概率应该是一样的，事实上，要把正切值保持在0或西格玛值保持在0.5是非常困难的，它还是会尝试跳转。
这可能是因为我只举了一个例子。
2）在 "交易者的统计 "中，Bulashev有一个头寸（订单）效率评估的方案，我们可以应用这个方案并训练网络传递交易信号，而拖网、盈亏平衡都是与网格无关的TS的元素。
3）过滤器是预处理（准备例子）的要素，这是一个必要的事情，但我们必须把苍蝇和小刀分开。如果你把预处理塞进网格算法，那么你就不会得到普遍化。
不，这种情况下的过滤器是交易逻辑的一部分，不是数据的预处理。
我不是建议把网格塞进算法中，而是允许把网格作为一般TS逻辑的一部分进行教学。你认为NS的产出是什么？只有最后的买入/卖出预测？
即ATR RSI和wipers将设置背景？也是在多个TC输入上？那是一个没有机会的愚蠢的配合。
你需要的是真正能赚钱的东西，还是一个例子，NS只是TS的元素之一，然后用什么来教它？
顺便说一下，在许多对上显示出相当好的结果，是由带有一些非标准过滤的2辆马车的系统显示出来的（在那里不需要NS:）。
1）可能是，因为我只举了一个例子。
2）不，这种情况下的过滤器是交易逻辑的一部分，而不是数据预处理。
我不是建议把网格塞进算法，而是让网络作为整个TS逻辑的一部分进行训练。你认为NS的产出是什么？只 有最后的买入/卖出预测？
1）这不是向你投掷巨石，我只是在强调这一点的重要性。
2）NS的输出可以是任何解释的信号，在交易的背景下，它既可以是市场条件的分类（坏的好的，趋势平缓的，等等），也可以是具体的交易信号，顺便说一下，没有人禁止具体指标信号的分类。比如说。"mashka ssha "给出了一个不好的信号。在为这样的信号训练了网格后，它可以进一步在委员会中使用。上文建议创建一个方便的界面，将网络合并成委员会。交易的效率只是后处理的一个特例。
我想教NS通过在上面添加几个自由度来交易你的TS。
你需要一些能真正赚钱的东西。
好吧，只是这个过滤器很微不足道，制作它根本不是问题。该算法很简单。我们运行TS，在入口处或一些附近地区收集输入和必要的参数（МА、RSI、АТР）。
然后我们给所有收集到的参数以进入和退出，或以点为单位的交易结果，如果是正数则为1，如果是负数则为1。我们将所有这些输入一个微不足道的3层非线性Perspectron并对其进行训练。
Voila.
2）NS的输出可以是任何解释的信号，在交易的背景下，它可以是市场条件的分类（坏的好的，趋势平缓的，等等）和具体的交易信号，顺便说一下，没有人禁止对某一指标的信号进行分类。比如说。"mashka ssha "给出了一个不好的信号。在为这样的信号训练了网格后，它可以进一步在委员会中使用。上文建议创建一个方便的界面，将网络合并成委员会。交易的效率只是后处理的一个特殊情况。
委员会只是解决方案的一部分。我们如何能方便有效地实现对这种NS的训练，这只是特定系统逻辑的一部分？它们不能被单独训练，因为没有训练样本。
好吧，只是这个过滤器很微不足道，制作它根本不是问题。该算法很简单。我们运行TS，在入口点或一些附近地区收集输入和必要的参数（MA、RCI、ATR）。
然后我们把收集到的参数作为输入，并给出一个输出--要么是以点为单位的交易结果，要么是简单的1，如果它是好的，或-1，如果它是坏的。我们将其全部送入一个微不足道的3层非线性Perspectron，并对其进行训练。
Voila.
是的，我们可以这样做，但只是通过一个地方）））。
例如，一个带有选项的TS。对每一批次的产品进行类似的练习？好吧，你可以以某种方式扭曲和自动化这个过程。
或者反过来说，输入过滤器是正常的（布尔逻辑），而NS买入/卖出。
但原则上，一切都可以制定并以某种方式实施。问题是方便、清晰和可移植性，供他人使用。
与NS合作只是为了选择其拓扑结构吗？训练方法也起着重要作用。拓扑结构和学习是密切相关的。
所有用户都有自己的imho，所以你不能把一半的决定权放在自己身上。
我们需要创建一个 不受预设限制的网络设计器 。并尽可能地普及。
在我提出的网络构建方案中，学习方法是独立于拓扑结构的!
由于网格本身知道东西从哪里来，什么东西到哪里去，那么错误的传播是自动的，程序员不需要为此费心。
sergeev
2011.10.19 17:06:50二维阵列是否足以满足各种拓扑结构和视觉理解？
我前几天已经回复了，但我一直在悠闲地思考这个问题。
要建立一个网络，这样一个连接表就足够了
这是一个三层MLP的例子，零层输入，第一层两个神经元，第二层一个神经元。
前三列是通过连续列举所有神经元和所有神经元的输入来创建的，第二遍设置匹配（有一个例外，如果 "通信层 "大于或等于 "层"，那么输出就大于0，这些后面只能从延迟运算器获取信号）。
使用这样的连接表，我们甚至可以通过随机性来设置拓扑结构，这仍然是一个多功能性的指标。
实际上，我在考虑将层数存储在神经元本身，对于一维数组来说，编号应该是连续的，但现在还是先讨论一般的公式和细节吧。
在我提出的网络方案中，学习方法并不取决于拓扑结构！在我提出的网络方案中，学习方法并不取决于拓扑结构。
由于网格本身知道东西从哪里来，到哪里去，错误传播是自动的，程序员不必为此费心。
我不相信 :)