神经网络的顾问,分享经验。 - 页 8 12345678910 新评论 TheXpert 2015.09.15 09:00 #71 Sergey Chalyshev: 那就给我看看,非常有意思。最好是有细节,神经元的数量,输入的数量,训练的例子的数量,等等。 以前有一个分支机构 Нейроторговцы, не проходите мимо :) нужен совет - MQL4 форум www.mql5.com Нейроторговцы, не проходите мимо :) нужен совет - MQL4 форум Maxim Dmitrievsky 2015.09.15 11:08 #72 Evgeniy Sergeev:那么就会很混乱。你是否尝试过从不同的方向来解决问题--不是预测下一个栏,而是计算网络错误的数量?也就是说,该网格在最近的历史中发现了一些规律性(趋势),并检查这种规律性是否仍然存在于当前的条形图上。如果规律性的东西不再起作用(网开始犯太多的错误),那么趋势肯定已经改变。因此,我们可以寻找一个进入市场 的点。 所以,为了寻找错误,我们还是应该先教一些东西。因此,我不需要等待很长时间来重新训练(没有开放的Cl需要很长时间),我采取小样本,经常重新训练。 Alexey Burnakov 2015.09.15 13:03 #73 Evgeniy Sergeev:那么就会很混乱。 混乱的是所有的预测。确定性混沌在小范围内可以得到很好的预测。 Vladimir Tkach 2015.09.15 17:03 #74 Sergey Chalyshev: 那就给我看看,这很有意思。最好是有细节,神经元的数量,输入的数量,训练的例子的数量,等等。我将为联合企业回答。下面是曲线。神经元的数量 - 任何。输入的数量 - 任何。任何数量的训练实例。还有其他一切--任何数量。 Vladimir Karputov 2015.09.15 17:06 #75 Vladimir Tkach:我将为联合企业回答。下面是曲线。神经元的数量 - 任何。输入的数量 - 任何。任何数量的训练实例。还有其他一切--任何数量。 插入图片的秘密:论坛:如何插入图片 Maxim Dmitrievsky 2015.09.16 00:15 #76 Sergey Chalyshev: 只有傻瓜才会这样。谁能展示一下你的神经网络在训练期间的表现?捆绑在一起的2个NS学习同样的东西,但在不同的tf上。12个输入,隐藏层有10个神经元,每个神经元有1个输出。它只在50条历史记录上进行学习,在测试过程中不进行再训练。但我只是在学习,这是一个中级变体。在样本外测试,在训练样本外测试。 Aleksey Vyazmikin 2015.09.16 06:29 #77 Maxim Dmitrievsky:捆绑在一起的2个NS学习同样的东西,但在不同的tf上。12个输入,隐藏层有10个神经元,每个神经元有1个输出。它只在50条历史记录上进行学习,在测试过程中不进行再训练。但我只是在学习,这是一个中级变体。测试样本外,在训练样本之外。 为什么会有不同的体积? Maxim Dmitrievsky 2015.09.17 13:00 #78 -Aleks-: 为什么会有不同的体积? 底吗,不是数量,而是自由利润率的水平。 Aleksey Vyazmikin 2015.09.17 15:13 #79 Maxim Dmitrievsky: 底吗,不是数量,是自由利润率的水平。 哦,我明白了,对不起,我以为是MT4。 Andrey Emelyanov 2015.09.22 01:00 #80 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,我在输入端有11个感应器,输出端是一个向未来转移1个条形的人字形。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。我早在2013年就试图实现类似的算法...但我用了7个指标,Zigzag被用来形成一个用于训练NS的矢量。但本质是一样的--我在寻找反转的位置......。当我开始使用Zigzag时,我在指标数据和交易信号方面毫无收获。直到我无意中发现了一些模式。这从根本上改变了我的TS。现在我的算法就简单多了。1.在过去的一年里,在分钟和小时的时间框架内计算模式。2.制作一个转折点的字典(对 "分钟模式-小时模式")。3.使用临界点词典教授NS(关于150-160对)。以下是我的方法的结果。对我的方法的缺点。1) TS的高风险 - 由于不可能确定突破价格的确切值,TS放置9个带手数的挂单。1, 1, 3, 6, 14, 31, 70, 158, 355;2) 难以实现退出算法(拖网TS)。因此,NS可以用于交易,唯一的问题是如何教导NS... P/s: 我指的是A. Merrill的图案(M & W)。 12345678910 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
那就给我看看,非常有意思。最好是有细节,神经元的数量,输入的数量,训练的例子的数量,等等。
那么就会很混乱。
你是否尝试过从不同的方向来解决问题--不是预测下一个栏,而是计算网络错误的数量?也就是说,该网格在最近的历史中发现了一些规律性(趋势),并检查这种规律性是否仍然存在于当前的条形图上。如果规律性的东西不再起作用(网开始犯太多的错误),那么趋势肯定已经改变。因此,我们可以寻找一个进入市场 的点。
那么就会很混乱。
那就给我看看,这很有意思。最好是有细节,神经元的数量,输入的数量,训练的例子的数量,等等。
我将为联合企业回答。
下面是曲线。神经元的数量 - 任何。输入的数量 - 任何。任何数量的训练实例。还有其他一切--任何数量。
我将为联合企业回答。
下面是曲线。神经元的数量 - 任何。输入的数量 - 任何。任何数量的训练实例。还有其他一切--任何数量。
只有傻瓜才会这样。谁能展示一下你的神经网络在训练期间的表现?
捆绑在一起的2个NS学习同样的东西,但在不同的tf上。12个输入,隐藏层有10个神经元,每个神经元有1个输出。它只在50条历史记录上进行学习,在测试过程中不进行再训练。但我只是在学习,这是一个中级变体。在样本外测试,在训练样本外测试。
捆绑在一起的2个NS学习同样的东西,但在不同的tf上。12个输入,隐藏层有10个神经元,每个神经元有1个输出。它只在50条历史记录上进行学习,在测试过程中不进行再训练。但我只是在学习,这是一个中级变体。测试样本外,在训练样本之外。
为什么会有不同的体积?
底吗,不是数量,是自由利润率的水平。
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,我在输入端有11个感应器,输出端是一个向未来转移1个条形的人字形。
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。
我早在2013年就试图实现类似的算法...但我用了7个指标,Zigzag被用来形成一个用于训练NS的矢量。但本质是一样的--我在寻找反转的位置......。当我开始使用Zigzag时,我在指标数据和交易信号方面毫无收获。直到我无意中发现了一些模式。这从根本上改变了我的TS。现在我的算法就简单多了。
1.在过去的一年里,在分钟和小时的时间框架内计算模式。
2.制作一个转折点的字典(对 "分钟模式-小时模式")。
3.使用临界点词典教授NS(关于150-160对)。
以下是我的方法的结果。
对我的方法的缺点。
1) TS的高风险 - 由于不可能确定突破价格的确切值,TS放置9个带手数的挂单。1, 1, 3, 6, 14, 31, 70, 158, 355;
2) 难以实现退出算法(拖网TS)。
因此,NS可以用于交易,唯一的问题是如何教导NS...
P/s: 我指的是A. Merrill的图案(M & W)。