神经网络的顾问，分享经验。 - 页 2

[Maxim Dmitrievsky]

George Merts:

这就是为什么有人建议你从买入转为卖出。

我还没有听说有人在神经网络上赚到稳定的钱，它非常不稳定。缪翼上最简单的TS是比较稳定的。

我还没有听说过有人在muwings 上赚到稳定的钱)

[Alexey Burnakov]

Maxim Dmitrievsky:

论坛上几乎没有关于现成解决方案的信息，以及神经网络在市场上交易的有效性。我建议在这里讨论和分享经验。如果已经有一个讨论的主题，请链接到它。

我正在使用这里的 类，简单的多层Perspectron。我希望班级算得准，我是靠作者的经验来算的。开始做实验了，很有意思:)

目前我的输入有11个指数，输出是一个 "之 "字形，向未来转移了1条。

这些是我8个月来的网格结果。我正在训练1000条，10000个epochs，一个隐藏层中有70个神经元。信号被反转，纯粹由神经网络完成，没有额外的过滤器。15分钟tf。

8年后再试吧。

网络对某一领域的训练很好，如果按照看中的一切去做，那么就应该有一个样本来停止训练，也就是所谓的测试样本，所以训练也要对它稍作调整。该图至少是在验证部分显示，还是在训练部分？

[Maxim Dmitrievsky]

Алексей:

8年后再试吧。

网络对某一特定的情节学习得很好，如果你做得对，你应该有一个样本来停止学习，即所谓的测试样本，所以学习也会稍作调整。该图至少是在验证部分显示，还是在训练部分？

是的，这是个验证图，训练向量只有1000条。

[Serqey Nikitin]

Maxim Dmitrievsky:

论坛上关于现成的解决方案和神经网络对市场交易的有效性的信息不多。

神经网络本身并不产生想法。它所做的一切都很好，就是在故事的某一章节上调整到故事。

现在有一个问题：来自你的10个指标的信号和来自神经网络的信号之间有什么区别？ 继续说：你打算从神经网络的输出中得到什么？ 没有 "完美信号 "这样的口号.....。

[Maxim Dmitrievsky]

Serqey Nikitin:

神经网络本身并不产生想法。它所做的一切都很好，就是在故事的某一章节上调整到故事。

现在有一个问题：来自你的10个指标的信号和来自神经网络的信号之间有什么区别？ 继续说：你打算从神经网络的输出中得到什么？ 没有 "完美信号 "这样的口号.....。

这不是为了适应一个故事，而是为了学习一些模式。如果发现的模式是稳定的，那么它在未来的一段时间内也会发挥作用。

我不明白这个问题有什么区别，意味着什么信号。我计划获得一个输出，虽然听起来很奇怪 :)那是一个具体的解决方案，在我的例子中，它是一个提前1个月的预测。

[Alexey Burnakov]

Maxim Dmitrievsky:
是的，这是一个验证，只有1000条的学习向量。

好的。

我在这段时间里得出的结论是，为一个小段的训练充满了对未来酒吧的不可预知的网络行为。市场可能会在训练中下跌，然后让我们说它开始上下摇摆。然后，网就会开始倾泻。但是，如果你建立了这样一个网，比如说，在10年的培训中，在其他5年将显示出利润，那么它就是一个成就。

[Maxim Dmitrievsky]

Алексей:

好的。

我在这段时间里得出的结论是，为一个小段的训练充满了对未来酒吧的不可预知的网络行为。市场可能会在训练中下跌，然后让我们说它开始上下摇摆。然后，网就会开始倾泻。但是，如果建立这样一个网，在比如说10年的学习和其他5年的学习中显示出利润，那么它就是一个成就。

为此，我们应该将OpenCl添加到这个类中，这样就可以计算出如此巨大的样本，因为一个核心和1000条将需要超过5分钟:)但到目前为止，我还没有想出如何将计算结果转移到显卡上。

你向它输入了什么，网络结构是什么？

[Serqey Nikitin]

Maxim Dmitrievsky:

这不是为了适应历史，而是为了学习一些模式。如果发现的模式是稳定的，它将在未来一段时间内发挥作用。

我不明白这个问题，有什么区别，是指什么信号。我计划获得一个输出，虽然听起来很奇怪 :)这是一个具体的解决方案，在我的例子中，它是一个1条的前瞻性预测。

你是否知道，所有的模式相对于线性指标 都是滞后的，在这种情况下，神经网络是没有用的。

关于第二个问题，....如果你在基本问题上 "漂浮 "的话，谁给你的想法是做神经网络，如果不是溺水的话....。

[Maxim Dmitrievsky]

Serqey Nikitin:

你知道所有的模式相对于线性指标 都是滞后的，在这种情况下，神经网络是没用的。

对第二个问题....如果你没有淹没在基本问题中，谁给你的想法是做神经网络....

你让我无法理解）。所有模式相对于线性指标都是滞后的，这是什么意思？我的意思是，输入端的指标组合形成一个模式，网格通过调整权重来学习，以获得正确的输出。我们在这里谈论的是什么样的滞后？

没有人告诉我，我只是觉得这很有趣）。

[Alexey Burnakov]

Serqey Nikitin:

你知道所有的模式相对于线性指标 都是滞后的，在这种情况下，神经网络是没用的。

关于第二个问题....如果你在基本问题上 "游泳"，谁给你的想法是做神经网络，如果不是溺水....。

我将寻找我关于神经网络的主题....这是在4日，而且是很久以前。

http://forum.mql4.com/ru/38550

输入的是有一些滞后的价格差异（订单是几小时的样子）。输出的是未来几个小时的二进制正负预测。

所有的网都是通过架构蛮力获得的。

主要的问题是胶合多个前向测试。这应该是一个很好的自动化方式。