在MTS使用人工智能 - 页 20 1...13141516171819202122232425262728 新评论 Сергей 2007.03.09 22:53 #191 usdeur: solandr 写道(a)。 我们 的目标。 继续--写信给电子邮件 不幸的是,我没有理解答复中的任何内容。你能不能在论坛上写一些已经出现的问题的具体内容? 否则交换电子邮件有什么意义? 电子邮件本身在哪里? [删除] 2007.05.29 11:51 #192 向数学家提问。 应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则? 请解释清楚。 Michael Busby 2007.05.29 16:17 #193 开发人员先生们,你们好! 在我发现ANN及其在外汇中的应用后,我想研究这个课题(ANN,我对外汇了解了很久),所以我做了。因此,我有几个关于在外汇中使用ANN的问题,我还没有找到答案: 1)在我读过的一份材料中写道,当你学习ANN时,有可能 "重新训练系统","重新训练 "的ANN只在它被训练的情况(模式)下给出正确的结果,在其他情况下,其结果不真实,即。即ANN成为一个琐碎的表格,并失去其概括能力。我的问题是:用FOREC工作的ANN是否有可能出现这种情况,形成这种情况的可能性是否取决于训练的方式(GA、随机、误差反向传播的方法)或网络的类型(我将使用单向多层模型)。如何避免这种情况? 2)假设,我选择一个琐碎的方法来训练历史上的网络(a),并在训练后工作(b):(a)我在历史T中取一个时刻,这等于当前时刻T=0,并输入一个训练系统,有接近价格X(T+1),X(T+2),X(T+3),。X(T+N)(其中N=const,X是工具的价格与T的函数),然后我把我的系统在训练前做出的预测X'(T)在那一刻和X(T)的真实值输入。= X'(T),然后我把系统教给这种情况,然后我把T减少一个,再重复这整个循环,直到T>0(T越大,T的 "古代 "时间时刻越远,因为 "一步"T可以是,例如,一天),当系统被训练(b),我只是等待 "步骤"(在我们的例子中,我们等待一天),如果以前的预测不正确,我教系统,然后我计算预测并与它开立交易,等等。. 顾问,根据我在这个资源上看到的ANN工作,以预测的正确性概率为指导(如果我错了,请纠正我),如果这个概率大于人类给出的某个常数B,那么交易就开始了。你如何评估一般的概率,例如用EA的工作方式? 我个人不知道一个EA如何能不每24小时开启交易,例如(除非预测的收入低于某个符号的点差)。专家顾问可以使用什么输入数据来进入市场,而不是严格意义上的定期? 3)在Ceasar的EA中,我看到了遗忘的常数,我不明白为什么需要一个常数,以及如何实现学习方法依赖的遗忘? 难道 "遗忘 "的能力不是ANN的一个自然属性吗? ZZY,我需要专业人士对这一主题的意见,如果懒得写,就给我一个链接,让我看到资源(s),分别回答主题中的每个项目。 ZZZY 我没有读过源代码,只研究过其使用说明。 Юрий Макаров 2007.05.29 19:54 #194 Aleksey24: 向数学家提问。 应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则? 请解释清楚。 这是一个多么奇怪的问题。 请解释一下这个问题。 Dmitry Fedoseev 2007.05.29 20:03 #195 Mak: Aleksey24: 向数学家提问。 应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则? 请解释清楚。 这是个奇怪的问题。 解释一下这个问题。 我认为这个问题的意思是:"是否值得为神经网络而烦恼?" Dmitry Fedoseev 2007.05.29 20:04 #196 Mak: Aleksey24: 向数学家提问。 应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则? 请解释清楚。 这是个奇怪的问题。 解释一下这个问题。 这个问题的意思可能是:"是否值得为神经网络而烦恼?" Michael Busby 2007.05.29 20:05 #197 我对我的问题(2)再做补充。这种程序结构是否可行,我不是说输入数据本身,我是指我训练ANN的方法,即何时调用训练函数? Юрий Макаров 2007.05.29 20:08 #198 1.这是有可能的,而且在大多数情况下,这将是一种情况。 这并不取决于训练方法,它可能取决于网络的类型,但这是不可能的。 如何避免它--训练样本应该比网络中的权重参数数量大几百倍、几千倍。 那么过度训练的概率就会降低。 这一点很简单,NS只是输入集合和加权参数集合的一个函数。 通过选择一组参数,目标是在函数的输出端获得一个给定的响应--这就是学习。 有很多加权参数--成百上千个,因此在大多数情况下,网络的过度训练。 Юрий Макаров 2007.05.29 20:13 #199 IMHO,这不值得用网络来蒸煮 :) 学习NS实际上是对一个有大量参数(成百上千)的函数进行优化。 我不知道在这种情况下该怎么做才能避免过度训练。 唯一的解决办法是采取1-1亿个样本的训练样本。 但是不能保证... Sceptic Philozoff 2007.05.29 20:59 #200 小麦,你显然是在夸大其词。而不是像你说的那样超过数百或数千倍,根据ANN理论,10就足够了。而重新训练(拟合)的标准是已知的:它是测试区的全球最小误差。 另一件事是网络架构。分类网格比插值网格更好。 1...13141516171819202122232425262728 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
继续--写信给电子邮件
不幸的是,我没有理解答复中的任何内容。你能不能在论坛上写一些已经出现的问题的具体内容? 否则交换电子邮件有什么意义?
向数学家提问。
应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则?
请解释清楚。
在我发现ANN及其在外汇中的应用后,我想研究这个课题(ANN,我对外汇了解了很久),所以我做了。因此,我有几个关于在外汇中使用ANN的问题,我还没有找到答案:
1)在我读过的一份材料中写道,当你学习ANN时,有可能 "重新训练系统","重新训练 "的ANN只在它被训练的情况(模式)下给出正确的结果,在其他情况下,其结果不真实,即。即ANN成为一个琐碎的表格,并失去其概括能力。我的问题是:用FOREC工作的ANN是否有可能出现这种情况,形成这种情况的可能性是否取决于训练的方式(GA、随机、误差反向传播的方法)或网络的类型(我将使用单向多层模型)。如何避免这种情况?
2)假设,我选择一个琐碎的方法来训练历史上的网络(a),并在训练后工作(b):(a)我在历史T中取一个时刻,这等于当前时刻T=0,并输入一个训练系统,有接近价格X(T+1),X(T+2),X(T+3),。X(T+N)(其中N=const,X是工具的价格与T的函数),然后我把我的系统在训练前做出的预测X'(T)在那一刻和X(T)的真实值输入。= X'(T),然后我把系统教给这种情况,然后我把T减少一个,再重复这整个循环,直到T>0(T越大,T的 "古代 "时间时刻越远,因为 "一步"T可以是,例如,一天),当系统被训练(b),我只是等待 "步骤"(在我们的例子中,我们等待一天),如果以前的预测不正确,我教系统,然后我计算预测并与它开立交易,等等。.
顾问,根据我在这个资源上看到的ANN工作,以预测的正确性概率为指导(如果我错了,请纠正我),如果这个概率大于人类给出的某个常数B,那么交易就开始了。你如何评估一般的概率,例如用EA的工作方式?
我个人不知道一个EA如何能不每24小时开启交易,例如(除非预测的收入低于某个符号的点差)。专家顾问可以使用什么输入数据来进入市场,而不是严格意义上的定期?
3)在Ceasar的EA中,我看到了遗忘的常数,我不明白为什么需要一个常数,以及如何实现学习方法依赖的遗忘? 难道 "遗忘 "的能力不是ANN的一个自然属性吗?
ZZY,我需要专业人士对这一主题的意见,如果懒得写,就给我一个链接,让我看到资源(s),分别回答主题中的每个项目。
ZZZY 我没有读过源代码,只研究过其使用说明。
向数学家提问。
应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则?
请解释清楚。
请解释一下这个问题。
向数学家提问。
应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则?
请解释清楚。
解释一下这个问题。
我认为这个问题的意思是:"是否值得为神经网络而烦恼?"
向数学家提问。
应用待优化参数的多变量正态分布的想法是否等同于神经网络 的原则?
请解释清楚。
解释一下这个问题。
这个问题的意思可能是:"是否值得为神经网络而烦恼?"
这并不取决于训练方法,它可能取决于网络的类型,但这是不可能的。
如何避免它--训练样本应该比网络中的权重参数数量大几百倍、几千倍。
那么过度训练的概率就会降低。
这一点很简单,NS只是输入集合和加权参数集合的一个函数。
通过选择一组参数,目标是在函数的输出端获得一个给定的响应--这就是学习。
有很多加权参数--成百上千个,因此在大多数情况下,网络的过度训练。
学习NS实际上是对一个有大量参数(成百上千)的函数进行优化。
我不知道在这种情况下该怎么做才能避免过度训练。
唯一的解决办法是采取1-1亿个样本的训练样本。
但是不能保证...
另一件事是网络架构。分类网格比插值网格更好。