"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 77 1...707172737475767778798081828384...100 新评论 Mykola Demko 2011.12.02 15:54 #761 ivandurak:任务是找到一个矢量,将市场分为趋势向上、趋势向下、趋势向东的群组。例如,让我们根据我们的幻想X{x1,x2,x3,x4,x5,x6,x7}组成一个向量阵列。x1=周期MA x2=MA的周期x3=MA的值x4=RAR的值x5=分散性,例如:。x6=MA(N)-MA(N-1)的趋势分量x7=MA和价格的交叉点的数量如果我们用Kohonen地图对这些向量的阵列进行聚类,我们将看到接近的向量。事实证明,对欧几里得距离影响较大的将是x1,x2,x4,x7。虽然X3,X5,X6的特征即使不是更重要,也是不少的。我们可以在-1...1的范围内对所有的x进行归一化处理,但我看不出如何处理。或者我们可以采取相互接近的市场特征,在这种情况下,我们得到了苍蝇与肉片的比较。矢量将接近于:X1{10,13,26,12,42,48,98}和X2{11,12,27,14,43,46,88}和向量X3将在另一个集群中X3{101,12,27,14,43,46,88}虽然不是事实,但是是我展示了如何用汉明距离来分离集群,如果用 "趋势转向、趋势下降、趋势横向 "来分离,向量的参数会是什么样子,一个FF知道:) Alexey 2011.12.02 16:25 #762 基本上想通了。我不能没有配给。假设有三个向量Х1 {10,10,0.1}Х2 {11,10,0.3}X3 {10,12,-0.2} 看起来这三个向量都属于同一个集群在训练样本中x1=最小0最大20,x2=最小-10最大40 x3=最小-0.5最大0.5 现在将初始向量归一化。Х1 {0.5, 0.2, 0.1}Х2 {0.55, 0.2, 0.3}X3 {0.5 , 0.24, -0.2}集群是不同的,我们可以将这些向量归一化为一个单位向量,但这将不是必要的。我认为这应该是可行的。 Mykola Demko 2011.12.02 16:40 #763 ivandurak:基本上想通了。没有配给是不行的......原则上都是正确的,你不能不做归一化,否则你就必须在一个非常大的范围内寻找权重(即把归一化问题转移到网格的肩上)。但别忘了,进入集群的分布不是基于输入向量的直接接近,而是基于加权系数。可能会出现这样的情况:位于彼此附近的两个向量(按参数计算)在不同的聚类中,而远处的则在同一个聚类中。这一切都取决于FF。 Mykola Demko 2012.01.28 12:55 #764 雷纳特,ME中的OpenCL和存储集成的事情进展如何?我在考虑是否要写一个dll来与CUDA一起工作,或者等待,除了neuro之外,我还有一个GPU主题。 Renat Fatkhullin 2012.01.28 15:25 #765 Urain。Renat,在ME中,OpenCL和存储集成的情况如何?我正在考虑是否要写一个与CUDA一起工作的dll,或者等待,除了neuro之外,我还有一个GPU主题。测试版的OpenCL正在开发中,资源库也在测试中。在下个星期的建设中,我们将在编辑器中加入市场和可能的存储。 Ivan Chasov 2012.01.28 16:32 #766 Renat: 测试版的OpenCL - 正在开发中... 这里有一个很好的....HD6970和HD5870正在等待...一旦测试开始... F1_ 2012.01.28 16:43 #767 雷纳特。下周的构建将包括市场,也许还有编辑器中的存储。 测试版还是完整版? Renat Fatkhullin 2012.01.28 17:39 #768 F1_: 测试版还是完整版? 市场已满。 F1_ 2012.01.28 17:54 #769 雷纳特。 市场是完整的。 О .谢谢你 Vladimir Gomonov 2012.04.24 20:29 #770 (;上;)。 1...707172737475767778798081828384...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
任务是找到一个矢量,将市场分为趋势向上、趋势向下、趋势向东的群组。
例如,让我们根据我们的幻想X{x1,x2,x3,x4,x5,x6,x7}组成一个向量阵列。
x1=周期MA
x2=MA的周期
x3=MA的值
x4=RAR的值
x5=分散性,例如:。
x6=MA(N)-MA(N-1)的趋势分量
x7=MA和价格的交叉点的数量
如果我们用Kohonen地图对这些向量的阵列进行聚类,我们将看到接近的向量。事实证明,对欧几里得距离影响较大的将是x1,x2,x4,x7。虽然X3,X5,X6的特征即使不是更重要,也是不少的。我们可以在-1...1的范围内对所有的x进行归一化处理,但我看不出如何处理。或者我们可以采取相互接近的市场特征,在这种情况下,我们得到了苍蝇与肉片的比较。
矢量将接近于:
X1{10,13,26,12,42,48,98}和
X2{11,12,27,14,43,46,88}和向量X3将在另一个集群中
X3{101,12,27,14,43,46,88}
虽然不是事实,但是是我展示了如何用汉明距离来分离集群,如果用 "趋势转向、趋势下降、趋势横向 "来分离,向量的参数会是什么样子,一个FF知道:)
基本上想通了。我不能没有配给。假设有三个向量
Х1 {10,10,0.1}
Х2 {11,10,0.3}
X3 {10,12,-0.2} 看起来这三个向量都属于同一个集群
在训练样本中x1=最小0最大20,x2=最小-10最大40 x3=最小-0.5最大0.5 现在将初始向量归一化。
Х1 {0.5, 0.2, 0.1}
Х2 {0.55, 0.2, 0.3}
X3 {0.5 , 0.24, -0.2}集群是不同的,我们可以将这些向量归一化为一个单位向量,但这将不是必要的。我认为这应该是可行的。
基本上想通了。没有配给是不行的......
原则上都是正确的,你不能不做归一化,否则你就必须在一个非常大的范围内寻找权重(即把归一化问题转移到网格的肩上)。但别忘了,进入集群的分布不是基于输入向量的直接接近,而是基于加权系数。可能会出现这样的情况:位于彼此附近的两个向量(按参数计算)在不同的聚类中,而远处的则在同一个聚类中。这一切都取决于FF。
我在考虑是否要写一个dll来与CUDA一起工作,或者等待,除了neuro之外,我还有一个GPU主题。
Renat,在ME中,OpenCL和存储集成的情况如何?
我正在考虑是否要写一个与CUDA一起工作的dll,或者等待,除了neuro之外,我还有一个GPU主题。
测试版的OpenCL正在开发中,资源库也在测试中。
在下个星期的建设中,我们将在编辑器中加入市场和可能的存储。
测试版的OpenCL - 正在开发中...
下周的构建将包括市场,也许还有编辑器中的存储。
测试版还是完整版?
市场是完整的。