"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 98 1...919293949596979899100 新评论 Maxim Romanov 2019.06.06 13:27 #971 Maxim Dmitrievsky:它们不一定是严格意义上的定期，但也不一定是噪音。这幅图是概率性的，不是严格的。滑动窗口是为了熵指标以及训练的特征数量，它们可以被优化。如果样本不一致，你就不会得到任何东西，这就是为什么有这么多50/50的错误。而一个循环不可能是矛盾的，它要么存在，要么不存在，以任何形式。如果你添加了很多不同的循环，它们不会相互矛盾。 Cycle/not cycle是熵指标中的一个相对概念。那么你如何衡量数据上的熵的程度呢？ Maxim Dmitrievsky 2019.06.06 13:29 #972 Maxim Romanov:那么你如何衡量数据上的熵的程度呢？以上是我的维基和亚历山大在Hubr上的一个链接。 Stanislav Korotky 2019.06.06 21:32 #973 kapelmann:我当然没有看完所有的文章，但所有那些 "在MQL中的来源 "都没有神经网络本身，但本质上是对各种库或相同的NeuroPro的包装器形式的OOP练习，坦率地说，在阅读了十几篇这样的文章后，它们看起来都一样，有时甚至看起来OOP对于股票机器人是有害而无益的，IMHO OOP对于10万行以上的项目开始显示优势，而当三个函数包裹在五个类，甚至带有继承性时，就很可笑了。 PS：请不要教我如何在网上搜索，给出神经网络的OPEN CODE的具体链接，不要VOPER，不要改写书籍和文章。这两段话是相互矛盾的。任何知道如何在互联网上搜索的人（特别是在这个网站上）都会很快找到纯MQL中的基本NS类型的实现，而没有任何依赖和包装器。 Roffild 2019.06.07 00:42 #974 如果没有拐杖，不可能在MQL中做一个正常的矩阵。在语言能力如此降低的情况下，我们谈论的是什么样的NS？ 这里的许多人甚至不能再现MLP的公式。 Maxim Dmitrievsky 2019.06.07 01:46 #975 取出原始系列的回归者，并从中去除平均值和方差。在此基础上，生成正态分布的回归者，并将其恢复到原始分布。 熵是在两个系列上测量的。在绝大多数情况下是一样的，也就是说，报价是SB。 而在回报上，差异应该是这样的（随机的熵更高）。 只是对于裸排来说，似乎没有足够的敏感性。我想知道你的NS是否有足够的 "敏感性"。怀疑。 而这里有一个来自比特币的启示（据说效率应该还比较低）。而事实上。 特别是在H4上。 Dmitry Fedoseev 2019.06.07 02:37 #976 Roffild:没有拐杖就不可能在MQL中做出一个正常的矩阵。在语言能力如此降低的情况下，我们谈论的是什么样的NS？ 这里的许多人甚至不能再现MLP的公式。你是从月亮上掉下来的，还是小时候从炉子里掉下来的？ Alexander_K 2019.06.07 04:39 #977 Maxim Dmitrievsky:取出原始系列的回归者，并从中去除平均值和方差。在此基础上，生成正态分布的回归者，并将其恢复到原始分布。 熵是在两个系列上测量的。在绝大多数情况下是一样的，也就是说，报价是SB。 而在回报上，差异应该是这样的（随机的熵更高）。 只是对于裸排来说，似乎没有足够的敏感性。我想知道你的NS是否有足够的 "敏感性"。怀疑。 而这里有一个来自比特币的启示（据说效率应该还比较低）。而事实上。 特别是在H4上。 好样的!而熵本身在滑动的时间窗口中，它是如何表现的？ 显然，如果我们用1小时的倍数的移动时间窗口进行研究（在1分钟的数据上，它们是60、120、180......），那么我们应该确定那些平均来说熵最小的窗口。 这些是可以使用的样本--我相信NS会在那里找到规律性的东西。 kapelmann 2019.06.07 09:41 #978 Грааль:有一个移植的Alglib（https://www.mql5.com/en/code/11077）。 朱氏倡议注定要声名狼藉，并不是因为人们没有合作精神，而是因为这是一个徒劳的想法。好的，谢谢你，我正在研究这个问题。 Alexander_K:帕塔穆斯塔在这里不是一个真正的有知识的领导，这样，被监护人就不会通过选择，会像孩子一样听他的话。当我读到这个主题时，泪水顺着我衰老的脸颊流了下来--他们如何乞求一些潘多拉来掌舵，但他自己却毫无头绪，....就这样了，我们完蛋了。一个可耻的、具有指导意义的分支。 斯拉夫人需要一个领袖，父亲，严厉但公平，这是在基因里的，斯拉夫人感觉到了这一点，并要求其他种族（盎格鲁-撒克逊人、犹太人、阿拉伯人......）指挥他们，这是合乎逻辑的，斯拉夫人不容忍他们的领袖，除非他被神秘化到先知的水平或被上帝所任命。 kapelmann 2019.06.07 09:46 #979 Maxim Dmitrievsky:后来，他用java写了一个独立的jpredictor，有两个神经网络（mlp和svm，更具体地说），有自动特征选择功能。据我所知，"jpredictor "仍然有一个通过参数优化训练的神经元，jpredictor的输出是一个神经元的权重，这显然不是值得骄傲的事情。 TheXpert 2019.06.07 09:50 #980 Maxim Dmitrievsky: 熵是在两行上测量的。绝大多数情况下是一样的，也就是说，报价是SB。 逻辑水平让人吃惊））。 1...919293949596979899100 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
它们不一定是严格意义上的定期，但也不一定是噪音。这幅图是概率性的，不是严格的。滑动窗口是为了熵指标以及训练的特征数量，它们可以被优化。
如果样本不一致，你就不会得到任何东西，这就是为什么有这么多50/50的错误。而一个循环不可能是矛盾的，它要么存在，要么不存在，以任何形式。如果你添加了很多不同的循环，它们不会相互矛盾。
Cycle/not cycle是熵指标中的一个相对概念。
那么你如何衡量数据上的熵的程度呢？
那么你如何衡量数据上的熵的程度呢？
以上是我的维基和亚历山大在Hubr上的一个链接。
我当然没有看完所有的文章，但所有那些 "在MQL中的来源 "都没有神经网络本身，但本质上是对各种库或相同的NeuroPro的包装器形式的OOP练习，坦率地说，在阅读了十几篇这样的文章后，它们看起来都一样，有时甚至看起来OOP对于股票机器人是有害而无益的，IMHO OOP对于10万行以上的项目开始显示优势，而当三个函数包裹在五个类，甚至带有继承性时，就很可笑了。
PS：请不要教我如何在网上搜索，给出神经网络的OPEN CODE的具体链接，不要VOPER，不要改写书籍和文章。
这两段话是相互矛盾的。任何知道如何在互联网上搜索的人（特别是在这个网站上）都会很快找到纯MQL中的基本NS类型的实现，而没有任何依赖和包装器。
如果没有拐杖，不可能在MQL中做一个正常的矩阵。在语言能力如此降低的情况下，我们谈论的是什么样的NS？
这里的许多人甚至不能再现MLP的公式。
取出原始系列的回归者，并从中去除平均值和方差。在此基础上，生成正态分布的回归者，并将其恢复到原始分布。
熵是在两个系列上测量的。在绝大多数情况下是一样的，也就是说，报价是SB。
而在回报上，差异应该是这样的（随机的熵更高）。
只是对于裸排来说，似乎没有足够的敏感性。我想知道你的NS是否有足够的 "敏感性"。怀疑。
而这里有一个来自比特币的启示（据说效率应该还比较低）。而事实上。
特别是在H4上。
没有拐杖就不可能在MQL中做出一个正常的矩阵。在语言能力如此降低的情况下，我们谈论的是什么样的NS？
这里的许多人甚至不能再现MLP的公式。
你是从月亮上掉下来的，还是小时候从炉子里掉下来的？
取出原始系列的回归者，并从中去除平均值和方差。在此基础上，生成正态分布的回归者，并将其恢复到原始分布。
熵是在两个系列上测量的。在绝大多数情况下是一样的，也就是说，报价是SB。
而在回报上，差异应该是这样的（随机的熵更高）。
只是对于裸排来说，似乎没有足够的敏感性。我想知道你的NS是否有足够的 "敏感性"。怀疑。
而这里有一个来自比特币的启示（据说效率应该还比较低）。而事实上。
特别是在H4上。
好样的!
而熵本身在滑动的时间窗口中，它是如何表现的？
显然，如果我们用1小时的倍数的移动时间窗口进行研究（在1分钟的数据上，它们是60、120、180......），那么我们应该确定那些平均来说熵最小的窗口。
这些是可以使用的样本--我相信NS会在那里找到规律性的东西。
有一个移植的Alglib（https://www.mql5.com/en/code/11077）。
朱氏倡议注定要声名狼藉，并不是因为人们没有合作精神，而是因为这是一个徒劳的想法。
好的，谢谢你，我正在研究这个问题。
帕塔穆斯塔在这里不是一个真正的有知识的领导，这样，被监护人就不会通过选择，会像孩子一样听他的话。
当我读到这个主题时，泪水顺着我衰老的脸颊流了下来--他们如何乞求一些潘多拉来掌舵，但他自己却毫无头绪，....就这样了，我们完蛋了。
一个可耻的、具有指导意义的分支。
斯拉夫人需要一个领袖，父亲，严厉但公平，这是在基因里的，斯拉夫人感觉到了这一点，并要求其他种族（盎格鲁-撒克逊人、犹太人、阿拉伯人......）指挥他们，这是合乎逻辑的，斯拉夫人不容忍他们的领袖，除非他被神秘化到先知的水平或被上帝所任命。
后来，他用java写了一个独立的jpredictor，有两个神经网络（mlp和svm，更具体地说），有自动特征选择功能。
据我所知，"jpredictor "仍然有一个通过参数优化训练的神经元，jpredictor的输出是一个神经元的权重，这显然不是值得骄傲的事情。
熵是在两行上测量的。绝大多数情况下是一样的，也就是说，报价是SB。