在MTS使用人工智能 - 页 8 123456789101112131415...28 新评论 Yurixx 2006.12.01 18:53 #71 2个SergNF。 我离这个话题就像南极一样远。我只迷上了eugenk的帖子，但没有人支持它。而当我决定看专家的时候，那么长的时间，紧张地想知道人工智能在哪里，如何教它。:-)) 但后来，当连基本的问题都失控的时候，我忍不住了，挡住了去路。:-) 不幸的是，这里的技术很少被讨论。大多数情况下，只是专家。但该技术确实很有趣。我得到了思考的食物。所以这个话题对我来说非常有用。 这种珠子是一种薄的东西，它不能应用于外汇。:-))) Andrey Opeyda 2006.12.01 22:28 #72 我不能再看了。这都是胡说八道。对不起，直言不讳。 SergNF，我在哪里可以得到珠子？ Sceptic Philozoff 2006.12.02 07:53 #73 SergNF: 你把你最喜欢的指标（如果是外部的，通过iCustom），并把它的值输出到一个文件中，以一定的数量（你想在未来预测多少）BACK和，有选项，收盘/高/低 "在第一个酒吧 "或最高/最低为这个区间。你可以通过阅读http://www.tora-centre.ru/library/ns/spekulant04.htm, http://www.tora-centre.ru/library/ns/spekulant03.htm 的平行文章来分析和思考如何应用它。 非常感谢，SergNF，感谢你的链接。一年多前，我自己也涉足过NS（在TradingSolutions中，相当直接）：使用Jordan-Elman网络，我试图预测未来一天的高低点，将不同的MAs附加到入口。当然是原始的，但在这里我也为自己做了一些有用的结论，一路走来，我构建了几十个非常不同和好奇的MA... 我当时没有考虑任何神经网络分类和Kohonen地图--并作出了一个不成熟的结论，即NS没有什么用处，然后开始尝试使用GA。我认为我的道路是大多数交易者的典型，他们在NS中寻找圣杯--没有认真研究它们。现在看来，用艾略特的话来说，我们可以说我已经成功地通过了处理NS的第一波（没有认真准备的试探性单方面攻击）和第二波（深度冷却）的阶段。现在是第三次浪潮的时候了，嘿嘿... Yury Reshetov 2006.12.11 11:08 #74 sashken:Pyh写道： P.S. 我同意Yurixx的意见。不应容忍无礼，尽管应承认专家非常好奇。 你并没有说服我。我非常理解，测试是按酒吧的开盘价进行的，但是!它打开了一个柱子，我们必须找到（对于这个EA）四个点的AC值，包括刚刚打开的那个柱子的AC值。如果AC只在酒吧关闭时形成，我们从哪里得到AC？ 你自己写的是酒吧开张，所以有一个酒吧的开张价。在条形图形成过程中，它（条形图的开盘价）不会改变（可能会改变最高价、最低价和收盘价，但开盘价--不会，因为条形图已经打开）。 我希望它是清楚的:) 他们并不清楚。许多人没有意识到，当Volume[0]==1（即新条形图的第一个刻度）时，那么Сlose[0]==Open[0]==High[0]=Low[0]，即最后一条条形图的收盘价 已经形成，并将随刻度变化，直到条形图关闭。而从这个非常初级的文盲和关于所谓 "适合 "的测试质量的主张。 我们只需要在所有对命运不满的跛子的额头上用不可磨灭的油漆写上（或者更好的是，用硬化的铁器烧掉）：。"Slose[0]是来到终端的最后一个tick的Bid，而不是策略测试者的心灵感应能力"。 Yury Reshetov 2006.12.11 11:34 #75 eugenk1: 伙计们，我发现雷舍托夫所做的事情非常有趣。当然，我们不是在谈论任何种类的人工智能。人工智能必然是适应和训练，至少是神经网络，至少是线性过滤器。但我认为我们更应该谈一谈指标的群体行为。它们中的每一个都被赋予了反映其重要性和有用性的权重。而且还有一个加权的 "投票"--总结。我唯一要采取的是4个指标14个参数，而不是4个，以考虑到所有可能的参数组合。我认为以这种方式建立一个真正的适应性系统是可能的。我们采取归一化（我在上面写过）指数，并通过虚拟交易来估计每个指数的质量。一个说谎的交易员会受到惩罚，其权重会下降（最高为负值，这意味着 "完全按照相反的方向解释我的信号"），而一个运作良好的交易员会得到奖励，权重会增加。顺便说一下，这个系统真的值得被称为智能...如果你取10个符号而不是4个，所有可能的组合数将是1023。什么人的头脑能够分析出这样一座山呢？而且该系统可以... 这种方法被称为自适应，尽管经典的学习算法有很大不同，即当。 神经元ka说谎，那么它就是 "存根"：对于所有由i表示的输入，w[i] i= a[i]。 神经元给出了一个正确的答案，那么它就会得到一个 "胡萝卜"：对于所有由i表示的输入，w[i]+=a[i]。 然后检查它是否说谎，如果它再次说谎，就再次 "鞭打 "它的光屁股，直到它不再说谎。 甚至还有一个定理，我不记得谁的名字了，它证明了这种算法具有收敛性，也就是说，它迟早会找到一个可接受的分离度平面的方程，但只有在这种情况下，被识别的对象在这些对象的特征空间中是线性可分离的。 但通过买入和卖出进行识别并不是线性分离的，所以神经网络仍然会出错，即使你用经典的训练算法对它进行脉冲运行。 Christo Tsvetanov 2006.12.11 11:35 #76 然而--如果程序本身决定何时打开/关闭，那么根据定义，它具有人工智能。 而专家顾问的优化 过程就是这个系统的培训。 Yury Reshetov 2006.12.11 12:11 #77 Itso: 然而--如果程序本身决定何时打开/关闭，那么根据定义，它具有人工智能。 而专家顾问的优化过程就是这个系统的培训。 即使交易员决定何时开盘，在哪里开盘，何时收盘，这也不意味着它有智力。 智障者可以被训练成按下按钮。但从交易的角度来看，这个白痴按按钮的决定不会是智能的，而是主观的（例如，按钮的颜色会在主观上更吸引人去做决定，而不是股权价值）。 Yury Reshetov 2006.12.11 12:54 #78 Mathemat писал (а): 一年多以前，我自己也涉足过NS（在TradingSolutions中，以相当直接的方式）：我试图通过向输入不同的MAs，使用Jordan-Elman网络来预测未来一天的高低点。 正是如此，我只是在用神经元乱搞。如果你认真地处理它，你就会知道一个在数学上有根据的事实："神经网络 适合于识别，但绝对不适合于推断"，因此，它们不能预测任何时期向前的任何数值--结果将是正负千米。但在许多情况下，可以在一定程度上可靠地识别哪个对象属于哪个类别。 例如，我们可以尝试通过指数和振荡器的数值找出最有利可图的姿势（买入或卖出）。而这可能是有效的，因为任务有识别性。但如果你试图用神经元来计算这些非常姿势的获利位置，你可能会在测试中成功，但在样本之外不太可能，因为获利值是推断出来的--价格至少应该触及它（为了确定目标，可能最好使用迷惑）。 简单地说，你是想用电视把钉子钉进混凝土墙。 更详细的结论和数学计算是根据Perceptron项目完成后获得的结果进行的，可在书中阅读。 Minsky, M 和 Papert, S (1969) The PERCEPTRON; an Introduction to Computational Geometry, MIT Press, Massachusets. 可供翻译。 Minsky M., Papert S. The Perseptron: Translated from English: Mir, 1971.- с. 261 我的建议是，孩子们，在胡闹之前，在根据胡闹的结果公开重要的结论之前，先试着研究一下有关的材料。首先，它不会造成任何伤害，其次，它可以避免踩到耙子，这一点大家都已经知道了很久了。 Using artificial intelligence at 一个概率论的神经网络 怎样开发可以获利的交易策略 Sceptic Philozoff 2006.12.11 13:59 #79 Reshetov писал (а): Minsky, M 和 Papert, S (1969) The PERCEPTRON; an Introduction to Computational Geometry, MIT Press, Massachusets. 可供翻译。 Minsky M., Papert S. The Perseptron: Translated from English: Mir, 1971.- с. 261 我的建议是，孩子们，在胡闹之前，在根据胡闹的结果公开重要的结论之前，先试着研究一下关于这个问题的材料。首先，它不会造成任何伤害，其次，它可以让你不踩到耙子，这一点大家都知道很长时间了。 谢谢你指出来源。而关于源材料，我实际上是通过关于神经预测的出版物认识的。 这些出版物仍然有效，甚至声称神经的充分性--尽管你断然判定神经不适合插值任务（Reshetov，正是插值，而不是推断；你应该知道它是肯定的，如果你如此聪明地谈论线性分离性...顺便说一下，如果我没记错的话，明斯基关于感知器无法解决线性不可分离问题（比如说XOR）的定理确实冷却了人们对神经学的兴趣--但只是在他们想到多层网络之前）。 Yury Reshetov 2006.12.11 14:40 #80 Mathemat:Reshetov: Minsky, M and Papert, S (1969) The PERCEPTRON; an Introduction to Computational Geometry, MIT Press, Massachusets available translation: Minsky M., Papert S. Perseptrons: Per.- с. 小伙伴们，我给你们的建议是，在胡闹，然后从这种胡闹中得出公开的重要结论之前，首先要熟悉关于这个问题的现有文献。首先，它不会受伤，其次，它将允许不踩到耙子，关于这一点，人们已经知道很久了。 谢谢你指出来源。好吧，至于矩阵，我其实是认识的--通过关于神经预测主题的出版物。这类出版物仍在进行中，甚至声称神经学的充分性--尽管你断然判定神经学不适合插值问题（雷舍托夫，确切地说，是插值，不是外推；你应该知道这一点，如果你对线性可分性的推理如此明智......顺便说一下，如果我没记错的话，明斯基关于感知器无法解决线性不可分离问题（比如说XOR）的定理确实冷却了人们对神经学的兴趣--但只是在他们发明多层网络之前）。 文章是文章，但几何意义上的文章却不知去向。如果这些物体的坐标（特征值）在线性可分离条件下借助于线性平面，那么线性过滤器 就可以将苍蝇与小刀分开。但对于逆向问题，即向神经元克命名一个物体以找出它的坐标，却没有解决办法。我们所能找到的关于该物体的信息只是它位于分离平面的哪一侧。因此，内插法和外推法是不可能的。 123456789101112131415...28 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
2个SergNF。
我离这个话题就像南极一样远。我只迷上了eugenk的帖子，但没有人支持它。而当我决定看专家的时候，那么长的时间，紧张地想知道人工智能在哪里，如何教它。:-))
但后来，当连基本的问题都失控的时候，我忍不住了，挡住了去路。:-)
不幸的是，这里的技术很少被讨论。大多数情况下，只是专家。但该技术确实很有趣。我得到了思考的食物。所以这个话题对我来说非常有用。
这种珠子是一种薄的东西，它不能应用于外汇。:-)))
你把你最喜欢的指标（如果是外部的，通过iCustom），并把它的值输出到一个文件中，以一定的数量（你想在未来预测多少）BACK和，有选项，收盘/高/低 "在第一个酒吧 "或最高/最低为这个区间。你可以通过阅读http://www.tora-centre.ru/library/ns/spekulant04.htm, http://www.tora-centre.ru/library/ns/spekulant03.htm 的平行文章来分析和思考如何应用它。
我当时没有考虑任何神经网络分类和Kohonen地图--并作出了一个不成熟的结论，即NS没有什么用处，然后开始尝试使用GA。我认为我的道路是大多数交易者的典型，他们在NS中寻找圣杯--没有认真研究它们。现在看来，用艾略特的话来说，我们可以说我已经成功地通过了处理NS的第一波（没有认真准备的试探性单方面攻击）和第二波（深度冷却）的阶段。现在是第三次浪潮的时候了，嘿嘿...
P.S. 我同意Yurixx的意见。不应容忍无礼，尽管应承认专家非常好奇。
你并没有说服我。我非常理解，测试是按酒吧的开盘价进行的，但是!它打开了一个柱子，我们必须找到（对于这个EA）四个点的AC值，包括刚刚打开的那个柱子的AC值。如果AC只在酒吧关闭时形成，我们从哪里得到AC？
你自己写的是酒吧开张，所以有一个酒吧的开张价。在条形图形成过程中，它（条形图的开盘价）不会改变（可能会改变最高价、最低价和收盘价，但开盘价--不会，因为条形图已经打开）。 我希望它是清楚的:)
我们只需要在所有对命运不满的跛子的额头上用不可磨灭的油漆写上（或者更好的是，用硬化的铁器烧掉）：。"Slose[0]是来到终端的最后一个tick的Bid，而不是策略测试者的心灵感应能力"。
伙计们，我发现雷舍托夫所做的事情非常有趣。当然，我们不是在谈论任何种类的人工智能。人工智能必然是适应和训练，至少是神经网络，至少是线性过滤器。但我认为我们更应该谈一谈指标的群体行为。它们中的每一个都被赋予了反映其重要性和有用性的权重。而且还有一个加权的 "投票"--总结。我唯一要采取的是4个指标14个参数，而不是4个，以考虑到所有可能的参数组合。我认为以这种方式建立一个真正的适应性系统是可能的。我们采取归一化（我在上面写过）指数，并通过虚拟交易来估计每个指数的质量。一个说谎的交易员会受到惩罚，其权重会下降（最高为负值，这意味着 "完全按照相反的方向解释我的信号"），而一个运作良好的交易员会得到奖励，权重会增加。顺便说一下，这个系统真的值得被称为智能...如果你取10个符号而不是4个，所有可能的组合数将是1023。什么人的头脑能够分析出这样一座山呢？而且该系统可以...
- 神经元ka说谎，那么它就是 "存根"：对于所有由i表示的输入，w[i] i= a[i]。
- 神经元给出了一个正确的答案，那么它就会得到一个 "胡萝卜"：对于所有由i表示的输入，w[i]+=a[i]。
然后检查它是否说谎，如果它再次说谎，就再次 "鞭打 "它的光屁股，直到它不再说谎。甚至还有一个定理，我不记得谁的名字了，它证明了这种算法具有收敛性，也就是说，它迟早会找到一个可接受的分离度平面的方程，但只有在这种情况下，被识别的对象在这些对象的特征空间中是线性可分离的。
但通过买入和卖出进行识别并不是线性分离的，所以神经网络仍然会出错，即使你用经典的训练算法对它进行脉冲运行。
而专家顾问的优化 过程就是这个系统的培训。
然而--如果程序本身决定何时打开/关闭，那么根据定义，它具有人工智能。
而专家顾问的优化过程就是这个系统的培训。
一年多以前，我自己也涉足过NS（在TradingSolutions中，以相当直接的方式）：我试图通过向输入不同的MAs，使用Jordan-Elman网络来预测未来一天的高低点。
例如，我们可以尝试通过指数和振荡器的数值找出最有利可图的姿势（买入或卖出）。而这可能是有效的，因为任务有识别性。但如果你试图用神经元来计算这些非常姿势的获利位置，你可能会在测试中成功，但在样本之外不太可能，因为获利值是推断出来的--价格至少应该触及它（为了确定目标，可能最好使用迷惑）。
简单地说，你是想用电视把钉子钉进混凝土墙。
更详细的结论和数学计算是根据Perceptron项目完成后获得的结果进行的，可在书中阅读。
Minsky, M 和 Papert, S (1969) The PERCEPTRON; an Introduction to Computational Geometry, MIT Press, Massachusets.
可供翻译。
Minsky M., Papert S. The Perseptron: Translated from English: Mir, 1971.- с. 261
我的建议是，孩子们，在胡闹之前，在根据胡闹的结果公开重要的结论之前，先试着研究一下有关的材料。首先，它不会造成任何伤害，其次，它可以避免踩到耙子，这一点大家都已经知道了很久了。
Minsky, M 和 Papert, S (1969) The PERCEPTRON; an Introduction to Computational Geometry, MIT Press, Massachusets.
可供翻译。
Minsky M., Papert S. The Perseptron: Translated from English: Mir, 1971.- с. 261
我的建议是，孩子们，在胡闹之前，在根据胡闹的结果公开重要的结论之前，先试着研究一下关于这个问题的材料。首先，它不会造成任何伤害，其次，它可以让你不踩到耙子，这一点大家都知道很长时间了。
Minsky, M and Papert, S (1969) The PERCEPTRON; an Introduction to Computational Geometry, MIT Press, Massachusets
available translation:
Minsky M., Papert S. Perseptrons: Per.- с.
小伙伴们，我给你们的建议是，在胡闹，然后从这种胡闹中得出公开的重要结论之前，首先要熟悉关于这个问题的现有文献。首先，它不会受伤，其次，它将允许不踩到耙子，关于这一点，人们已经知道很久了。