文章：用神经网络进行价格预测 - 页 15 1...891011121314151617 新评论 Candid 2008.04.15 17:12 #141 Neutron: 补遗。 它带着，它带着，它带着;-) 这是一个单层非线性NS的尺度的 "精细 "分析解决方案。 ... 这让我微笑。 但整个计算过程需要1毫秒。 从理论上讲，任何NS都等同于一个方程组。如果它足够简单，把这个系统写成分析形式并就权重进行求解会更便宜。随着网络（即其等效方程组）变得更加复杂，问题以及对狡猾的训练方法的需求也开始出现。正是由于意识到这一事实，我曾经暂停了对网络的认识，开始是出于兴趣。我简单地决定，我必须首先提出一个模型，然后才寻找最经济的方法来解决它。在我看来，NS方法的应用只有在非常复杂的模型中才是合理的：）。 Neutron 2008.04.16 00:57 #142 Jhonny: 作为一个 "神经科学家 "的新手，请向我解释这个问题。据我所知，有关的网络是一个多层感知器。 选择这种类型的网络的原因是什么？为什么不是霍普菲尔德或科霍宁，或其他的东西？ 这更像是一个哲学问题。问题是，有无限多的 "复杂 "NS架构，而最简单的架构是唯一的！"。这是一个单层的感知器。在这种情况下，它是用一个非线性激活函数实现的。 对 "诚实 的 "来说 理论上，任何NS都等同于一个方程组。如果它足够简单，那么把它写成分析形式并就权重进行求解会更便宜。随着网络（即其等效方程组）变得更加复杂，问题以及对狡猾的训练方法的需求也开始出现。正是由于意识到这一事实，我曾经暂停了对网络的认识，开始是出于兴趣。我简单地决定，我必须首先提出一个模型，然后才寻找最经济的方法来解决它。在我看来，NS方法的应用只有在非常复杂的模型中才是合理的：）。 对。我们还可以提到市场BP中固有的非平稳性，这就结束了传统的统计方法，并为NS提供了一个更有利的点。 顺便说一下，我已经算出了NS权重的方程组的分析解。黑色的图显示了通过误差反向传播（ORO）训练NS的通常方法，历时数为1000，蓝色的是分析解。对NS的训练发生在每一步，预测是提前一步。 可以看出，BP公司趋势部分的分析性变体是不正确的，原因我不明白。但是根据ORO方法计算这个问题的时间是10秒，而分析方法的计算时间是0.001秒。 性能的提升是10000倍! 总的来说，网络的运行是令人着迷的。它似乎能感觉到价格趋势，并在预测中像磁铁一样吸引着它！这就是为什么它是一个非常重要的产品。 rsi 2008.04.16 05:41 #143 Neutron: Jhonny。 作为一个 "神经科学家 "的新手，请向我解释这个问题。据我所知，有关的网络是一个多层感知器。 选择这种类型的网络的原因是什么？为什么不是霍普菲尔德或科霍宁，或其他的东西？ 这更像是一个哲学问题。问题是，有无限多的 "复杂 "NS架构，而最简单的架构是唯一的！"。这是一个单层的感知器。在这种情况下，它是用一个非线性激活函数实现的。 ... 总的来说，网络的运行是令人着迷的。它似乎能感觉到价格趋势，并吸引到它，就像一块磁铁一样! 这个问题当然是哲学性的。我也是一个初学者。但为什么不是概率网，比如说。特别是在去年发生了众所周知的事件之后？诚然，那里的任务也是不同的。如果预测接近于过滤，在那是一个可观察的参数，那么概率的估计更接近于不可观察的参数的过滤，但一下子就解决了过渡到解域的问题。 P.S. 顺便说一下，概率网络的运行时间比多层感知器的运行时间要少得多，可训练性也不差。 P.P.S.当我在冠军赛期间看Better的平衡曲线时，我也很着迷。:-) ds2 2008.04.16 09:00 #144 Neutron:我想更深入地挖掘...例如，NS（隐藏层）的复杂性有多合理。 这取决于输入的是什么。如果我们直接从市场上拿条子（它们的增量）--那么它将是非常合理的。 你在你的例子中没有看到，因为你的图表是平滑的--片状单调的。你甚至在那里有一个单输入的NS "裁决"。也就是最原始的趋势跟踪交易系统的类似物。这个问题在没有NS的情况下可以得到很好的解决。有哪些多层网络... 中子。 总之，我都快疯了！"。重点是，如果你以某种形式表示NS的非线性，你可以得到权重的精确分析解。这反过来意味着将有可能取消逆向误差传播法来训练网络，并在一次行动中获得尽可能准确的结果，而不需要在那里进行任何1000个纪元的训练！！。 必须理解，NS训练是一个函数优化 问题。而它的分析解法要比解方程组复杂得多。看看从一个变量分析计算线性回归 函数的方法（最简单的感知器的模拟）...你怎么看？现在想象一下，如果有很多变量，而且函数是非线性的，达到了n次方（类似于多层NS），解决方案会是什么样子......:-) 发明NS是为了简化生活。而且你不需要完全通过反向传播来训练网络。这是最简单的--但也是最慢的-- 算法。此外，还有一些算法的速度要快上几个数量级。 Neutron 2008.04.16 09:36 #145 ds2: 中子。 我想更深入地挖掘...例如，NS（隐藏层）的复杂性有多合理。 这取决于输入的是什么。如果我们直接从市场上拿条子（它们的增量）--那么它将是非常合理的。 你在你的例子中没有看到，因为你的图表是平滑的--片状单调的。你甚至在那里有一个单输入的NS "转向"。也就是最原始的趋势跟踪交易系统的类似物。这个问题在没有NS的情况下可以得到很好的解决。有哪些多层网络... ds2， 如果多层感知器与单层感知器的浸入深度相同，你能不能给出一个赞成多层感知器与单层感知器的理由，用于像价格这样的BP预测需求。我希望看到以预测能力图表的形式进行论证。 ds2 2008.04.16 13:24 #146 Neutron: ds2。 取决于输入的是什么。如果你从市场上坚持直条（他们的增量）--这将是非常合理的。 你在你的例子中没有看到这一点，因为你的图表是平滑的--片状单调的。 ds2， 如果多层感知器与用于BP型价格预测需求的单层感知器相比，它们的浸透深度是一样的，你能不能提出一个理由。我希望看到以预测能力图表的形式进行论证。 嗯，如果你了解网络是如何工作的，这很明显。单层网络只能描述单调的依赖关系，而多层网络可以描述任何依赖关系。 如果我们比较NS和已知的MTS类型的能力，单层网络可以模仿MACD操作，但只有多层网络可以识别Pessavento模式。 你可以做实验，自己看看。你有所有的工具和数据来做这个。 [删除] 2008.05.15 12:34 #147 有没有人在MQL中写过用于估计输入的Kolmogorov-Smirnov准则和Spearman等级相关？ Rashid Umarov 2008.05.15 12:40 #148 我还没来得及测试，等级相关也没什么好找的--'Spearman's Rank Correlation Coefficient'。 aab 2008.06.16 19:58 #149 很想知道是否有人拥有它？还是这个信息已经被提及而我错过了？请戳下链接。 这个链接在你注册时甚至无法访问。或者说它描述了通往圣杯的道路;-)。 http://www.maikonline.com/maik/showArticle.do?auid=VAF0AMGLSL〈=en PDF274kb 在采样数据上对许多变量的复杂函数进行建模的神经网络框架 Е.V. Gavrilova, O. A. Mishulina, M. V. Shcherbinina Izvestia RAN.理论与控制系统#1，2007年1-2月，P.73-82 我们考虑了多变量函数的近似问题，该函数是针对加性噪声测量的，并且在其定义的某些子域具有质量不同的动态特性。 我们提出了使用专门的模块化神经网络结构LINA来解决这个问题。 制定了其训练和运作的规则。 Сергей 2008.07.03 10:14 #150 当在Anfisedit中训练时，不断地显示一个错误。 ???使用 ==> anfisedit 时出错 无效的手柄对象。 ???评估uicontrol回调时出错。 准备了数据，但不是像文章 中那样按绝对比率，而是按蜡烛的类型。如果当天蜡烛的收盘价高于开盘价-则为1，反之为-1。起初我有10个条目，但我的笔记本电脑没有拉出来。我把文章中描述的条目数减少到了4个，架构显示出来了，一切似乎都很好，但是当我在几个历时后按下训练时，训练停止了，Train Error写在图表上方，在我最开始写的命令行中也有。问题是什么？也许Matlab的版本有问题？我有Matlab 7.0.1.24704 (R14) Servise Pack 1。 用ANFIS不起作用，决定试试NNTool。我分别加载了输入（4个输入），分别加载了输出，指定了参数，创建了一个网络--但在查看网络结构时，显示输入为2。我还是按了火车，结果出现了错误。 使用==>网络培训的错误 输入的网络尺寸不正确。 矩阵必须都有2行。 是否有地方可以设置输入的数量？ 1...891011121314151617 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
补遗。
它带着，它带着，它带着;-)
这是一个单层非线性NS的尺度的 "精细 "分析解决方案。
...
这让我微笑。
但整个计算过程需要1毫秒。从理论上讲，任何NS都等同于一个方程组。如果它足够简单，把这个系统写成分析形式并就权重进行求解会更便宜。随着网络（即其等效方程组）变得更加复杂，问题以及对狡猾的训练方法的需求也开始出现。正是由于意识到这一事实，我曾经暂停了对网络的认识，开始是出于兴趣。我简单地决定，我必须首先提出一个模型，然后才寻找最经济的方法来解决它。在我看来，NS方法的应用只有在非常复杂的模型中才是合理的：）。
作为一个 "神经科学家 "的新手，请向我解释这个问题。据我所知，有关的网络是一个多层感知器。
选择这种类型的网络的原因是什么？为什么不是霍普菲尔德或科霍宁，或其他的东西？
这更像是一个哲学问题。问题是，有无限多的 "复杂 "NS架构，而最简单的架构是唯一的！"。这是一个单层的感知器。在这种情况下，它是用一个非线性激活函数实现的。
对 "诚实 的 "来说
理论上，任何NS都等同于一个方程组。如果它足够简单，那么把它写成分析形式并就权重进行求解会更便宜。随着网络（即其等效方程组）变得更加复杂，问题以及对狡猾的训练方法的需求也开始出现。正是由于意识到这一事实，我曾经暂停了对网络的认识，开始是出于兴趣。我简单地决定，我必须首先提出一个模型，然后才寻找最经济的方法来解决它。在我看来，NS方法的应用只有在非常复杂的模型中才是合理的：）。
对。我们还可以提到市场BP中固有的非平稳性，这就结束了传统的统计方法，并为NS提供了一个更有利的点。
顺便说一下，我已经算出了NS权重的方程组的分析解。黑色的图显示了通过误差反向传播（ORO）训练NS的通常方法，历时数为1000，蓝色的是分析解。对NS的训练发生在每一步，预测是提前一步。
可以看出，BP公司趋势部分的分析性变体是不正确的，原因我不明白。但是根据ORO方法计算这个问题的时间是10秒，而分析方法的计算时间是0.001秒。
性能的提升是10000倍!
总的来说，网络的运行是令人着迷的。它似乎能感觉到价格趋势，并在预测中像磁铁一样吸引着它！这就是为什么它是一个非常重要的产品。
作为一个 "神经科学家 "的新手，请向我解释这个问题。据我所知，有关的网络是一个多层感知器。
选择这种类型的网络的原因是什么？为什么不是霍普菲尔德或科霍宁，或其他的东西？
这更像是一个哲学问题。问题是，有无限多的 "复杂 "NS架构，而最简单的架构是唯一的！"。这是一个单层的感知器。在这种情况下，它是用一个非线性激活函数实现的。
...
总的来说，网络的运行是令人着迷的。它似乎能感觉到价格趋势，并吸引到它，就像一块磁铁一样!
这个问题当然是哲学性的。我也是一个初学者。但为什么不是概率网，比如说。特别是在去年发生了众所周知的事件之后？诚然，那里的任务也是不同的。如果预测接近于过滤，在那是一个可观察的参数，那么概率的估计更接近于不可观察的参数的过滤，但一下子就解决了过渡到解域的问题。
P.S. 顺便说一下，概率网络的运行时间比多层感知器的运行时间要少得多，可训练性也不差。
P.P.S.当我在冠军赛期间看Better的平衡曲线时，我也很着迷。:-)
我想更深入地挖掘...例如，NS（隐藏层）的复杂性有多合理。
这取决于输入的是什么。如果我们直接从市场上拿条子（它们的增量）--那么它将是非常合理的。
你在你的例子中没有看到，因为你的图表是平滑的--片状单调的。你甚至在那里有一个单输入的NS "裁决"。也就是最原始的趋势跟踪交易系统的类似物。这个问题在没有NS的情况下可以得到很好的解决。有哪些多层网络...
总之，我都快疯了！"。重点是，如果你以某种形式表示NS的非线性，你可以得到权重的精确分析解。这反过来意味着将有可能取消逆向误差传播法来训练网络，并在一次行动中获得尽可能准确的结果，而不需要在那里进行任何1000个纪元的训练！！。
必须理解，NS训练是一个函数优化 问题。而它的分析解法要比解方程组复杂得多。看看从一个变量分析计算线性回归 函数的方法（最简单的感知器的模拟）...你怎么看？现在想象一下，如果有很多变量，而且函数是非线性的，达到了n次方（类似于多层NS），解决方案会是什么样子......:-)
发明NS是为了简化生活。而且你不需要完全通过反向传播来训练网络。这是最简单的--但也是最慢的-- 算法。此外，还有一些算法的速度要快上几个数量级。
我想更深入地挖掘...例如，NS（隐藏层）的复杂性有多合理。
这取决于输入的是什么。如果我们直接从市场上拿条子（它们的增量）--那么它将是非常合理的。
你在你的例子中没有看到，因为你的图表是平滑的--片状单调的。你甚至在那里有一个单输入的NS "转向"。也就是最原始的趋势跟踪交易系统的类似物。这个问题在没有NS的情况下可以得到很好的解决。有哪些多层网络...
ds2， 如果多层感知器与单层感知器的浸入深度相同，你能不能给出一个赞成多层感知器与单层感知器的理由，用于像价格这样的BP预测需求。我希望看到以预测能力图表的形式进行论证。
取决于输入的是什么。如果你从市场上坚持直条（他们的增量）--这将是非常合理的。
你在你的例子中没有看到这一点，因为你的图表是平滑的--片状单调的。
ds2， 如果多层感知器与用于BP型价格预测需求的单层感知器相比，它们的浸透深度是一样的，你能不能提出一个理由。我希望看到以预测能力图表的形式进行论证。
嗯，如果你了解网络是如何工作的，这很明显。单层网络只能描述单调的依赖关系，而多层网络可以描述任何依赖关系。
如果我们比较NS和已知的MTS类型的能力，单层网络可以模仿MACD操作，但只有多层网络可以识别Pessavento模式。
你可以做实验，自己看看。你有所有的工具和数据来做这个。
有没有人在MQL中写过用于估计输入的Kolmogorov-Smirnov准则和Spearman等级相关？
这个链接在你注册时甚至无法访问。或者说它描述了通往圣杯的道路;-)。
http://www.maikonline.com/maik/showArticle.do?auid=VAF0AMGLSL〈=en PDF274kb在采样数据上对许多变量的复杂函数进行建模的神经网络框架
Е.V. Gavrilova, O. A. Mishulina, M. V. Shcherbinina Izvestia RAN.理论与控制系统#1，2007年1-2月，P.73-82
我们考虑了多变量函数的近似问题，该函数是针对加性噪声测量的，并且在其定义的某些子域具有质量不同的动态特性。 我们提出了使用专门的模块化神经网络结构LINA来解决这个问题。 制定了其训练和运作的规则。
当在Anfisedit中训练时，不断地显示一个错误。
???使用 ==> anfisedit 时出错
无效的手柄对象。
???评估uicontrol回调时出错。
准备了数据，但不是像文章 中那样按绝对比率，而是按蜡烛的类型。如果当天蜡烛的收盘价高于开盘价-则为1，反之为-1。起初我有10个条目，但我的笔记本电脑没有拉出来。我把文章中描述的条目数减少到了4个，架构显示出来了，一切似乎都很好，但是当我在几个历时后按下训练时，训练停止了，Train Error写在图表上方，在我最开始写的命令行中也有。问题是什么？也许Matlab的版本有问题？我有Matlab 7.0.1.24704 (R14) Servise Pack 1。
用ANFIS不起作用，决定试试NNTool。我分别加载了输入（4个输入），分别加载了输出，指定了参数，创建了一个网络--但在查看网络结构时，显示输入为2。我还是按了火车，结果出现了错误。
使用==>网络培训的错误
输入的网络尺寸不正确。
矩阵必须都有2行。
是否有地方可以设置输入的数量？