NS+指标。实验。 - 页 8 123456789101112 新评论 Alexey Petrov 2007.12.24 20:30 #71 klot: NSDT没有Kohonen,但在Adaptive Net Indicators插件中还有其他分类器。尽管你可以将NeuroShell2 net直接连接到MT4或NSDT。 我想知道你打算如何利用Kohonen的网进行交易?那里不是三个班,是更多。我需要想一些算法来解析获得的类。 当我第一次开始研究使用Kohonen地图 进行条形分类时,为了简化实验,我对条形进行了如下编码:看涨+1,看跌-1,躲避0。我在NS2中任意创建了15个类。训练结束后,我最后有4个班级是空的。我把班级的数量修改为11个,并把这个格子填在МТ4中。然后,我用脚本在所有极值附近输入三个班级,并进行了简单的反向操作。输入的数据是 "原封不动 "的,即只有班级数字。根本就没有正常化。然后我设置了一个简单的专家顾问,只由这些网格组成,使用回环的信号,并将其 "应用 "于2005年。奇怪的是,它甚至起了作用。当然,我甚至没有试图对结果做出任何结论,因为这甚至不是一个实验,而是一个实验室工作。但我确实想考虑一下这个项目的前景。 我的意思是,我不需要任何类选择算法。一切都清楚地画在NS2本身的图表上。而且,一般来说,在NS2本身就可以达到预期的效果。但要做到这一点,你必须来回跳一下,玩玩参数,看看图表,看看输出数据。所以,这有点乏味,但很有可能。 Eduard 2007.12.24 20:58 #72 klot:我想知道你打算如何利用科霍恩网络进行交易?不是有三个班,而是多得多。你必须想出一些算法来解析获得的类。 当然不是3个,甚至是10个。在第一阶段,我对它们进行人工分析,以提出适当的标准。然后我把它自动化。从计划的内容来看: - 每个输入都被评估为 "理想化程度"--它有多接近局部极值(33),例如 - 然后每个类可以从纯度的角度进行评估--有多少输入是理想的或接近它,有多少是空的。 对第一版输入集(神经元)的第一次研究表明,有2-3类从市场进入 的角度来看是相当可以接受的。而这些班级的力量,每天能产生大约2-4个交易。 一切都还很原始,还在发展中 :-)然后我计划制作(已经开始)一个程序,它将独立地创建一个网络,训练,估计,在内置的测试器中运行,保存结果,创建一个新的,运行,选择 "冠军",等等。 ZS.好吧,我暂时折磨一下NS2,只是它很悲惨,正如我所说的,在界面和网络训练结果的评估方面。 Леонид 2007.12.24 21:16 #73 klot: NSDT中没有Kohonen。 为什么不呢?有的。 Dmitrii 2007.12.25 08:00 #74 当与Kohonen网络合作时,我们无法提前告知我们将得到多少个班级。在学习过程中,只要满足给定的可分离性标准(如欧氏距离),输入的特征向量就会被分成不同的类别。假设我们得到 "集群",找到中心,然后... 在视觉上,通过地图,当然,你可以估计,但最好是自动化。 第二步应该是一个老师,他将指出哪些类,哪些行动对应什么。 我也仍然很生疏。有想法,有发展。我也在用NS2工作。 Леонид 2007.12.25 08:54 #75 klot: 当与Kohonen网络合作时,我们不能事先告诉我们将得到多少个班级。在学习过程中,只要满足给定的可分离性标准(如欧氏距离),输入的特征向量就会被分成不同的类别。假设我们得到 "集群",找到中心,然后... 从视觉上看,在地图上,你当然可以估计,但最好是自动。在第二阶段,应该有一个老师来指出哪些班级,哪些行动对应什么。 我也仍然很生疏。有想法,有发展。我也在用NS2工作。 那么,为什么我们不能说我们会有多少个班呢?我们可以告诉你一切。我不知道NSH2的情况(我不能确定--我没有见过),但在交易员中,你可以指定你想要的许多类--买入类、卖出类、离开买入类、离开卖出类。你需要多少个班就有多少个班。而且没有任何问题,..... Eduard 2007.12.25 10:22 #76 首先,我不喜欢NS2,因为你不能在那里做Kohonen地图 着色,其次,你不能即时改变聚类,而deductor很容易做到这一点。你不必为此重新训练网络!"。只要改变组合成类的参数就可以了。在同一个演绎器中,你可以设置类的数量,你可以设置聚类的显著性水平,那么就真的不知道会有多少个类了,你也可以完全不设类,看输入的东西落在哪个单元。 Eduard 2007.12.25 10:52 #77 www.basegroup.ru,也很容易被谷歌搜索到。 Леонид 2007.12.25 11:20 #78 TedBeer: www.basegroup.ru,也很容易被谷歌搜索到。 你有一个合法的吗? Eduard 2007.12.25 11:56 #79 网站上有一个完全合法的学术免费版本 Dmitrii 2007.12.25 12:21 #80 TedBeer: www.basegroup.ru,也很容易被谷歌搜索到。 我最喜欢的网站 :)我的大部分算法就是在那里得到的。 123456789101112 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
NSDT没有Kohonen,但在Adaptive Net Indicators插件中还有其他分类器。尽管你可以将NeuroShell2 net直接连接到MT4或NSDT。
我想知道你打算如何利用Kohonen的网进行交易?那里不是三个班,是更多。我需要想一些算法来解析获得的类。
当我第一次开始研究使用Kohonen地图 进行条形分类时,为了简化实验,我对条形进行了如下编码:看涨+1,看跌-1,躲避0。我在NS2中任意创建了15个类。训练结束后,我最后有4个班级是空的。我把班级的数量修改为11个,并把这个格子填在МТ4中。然后,我用脚本在所有极值附近输入三个班级,并进行了简单的反向操作。输入的数据是 "原封不动 "的,即只有班级数字。根本就没有正常化。然后我设置了一个简单的专家顾问,只由这些网格组成,使用回环的信号,并将其 "应用 "于2005年。奇怪的是,它甚至起了作用。当然,我甚至没有试图对结果做出任何结论,因为这甚至不是一个实验,而是一个实验室工作。但我确实想考虑一下这个项目的前景。
我的意思是,我不需要任何类选择算法。一切都清楚地画在NS2本身的图表上。而且,一般来说,在NS2本身就可以达到预期的效果。但要做到这一点,你必须来回跳一下,玩玩参数,看看图表,看看输出数据。所以,这有点乏味,但很有可能。
我想知道你打算如何利用科霍恩网络进行交易?不是有三个班,而是多得多。你必须想出一些算法来解析获得的类。
当然不是3个,甚至是10个。在第一阶段,我对它们进行人工分析,以提出适当的标准。然后我把它自动化。从计划的内容来看:
- 每个输入都被评估为 "理想化程度"--它有多接近局部极值(33),例如
- 然后每个类可以从纯度的角度进行评估--有多少输入是理想的或接近它,有多少是空的。
对第一版输入集(神经元)的第一次研究表明,有2-3类从市场进入 的角度来看是相当可以接受的。而这些班级的力量,每天能产生大约2-4个交易。
一切都还很原始,还在发展中 :-)然后我计划制作(已经开始)一个程序,它将独立地创建一个网络,训练,估计,在内置的测试器中运行,保存结果,创建一个新的,运行,选择 "冠军",等等。
ZS.好吧,我暂时折磨一下NS2,只是它很悲惨,正如我所说的,在界面和网络训练结果的评估方面。
为什么不呢?有的。
当与Kohonen网络合作时,我们无法提前告知我们将得到多少个班级。在学习过程中,只要满足给定的可分离性标准(如欧氏距离),输入的特征向量就会被分成不同的类别。假设我们得到 "集群",找到中心,然后...
在视觉上,通过地图,当然,你可以估计,但最好是自动化。 第二步应该是一个老师,他将指出哪些类,哪些行动对应什么。
我也仍然很生疏。有想法,有发展。我也在用NS2工作。
当与Kohonen网络合作时,我们不能事先告诉我们将得到多少个班级。在学习过程中,只要满足给定的可分离性标准(如欧氏距离),输入的特征向量就会被分成不同的类别。假设我们得到 "集群",找到中心,然后...
从视觉上看,在地图上,你当然可以估计,但最好是自动。在第二阶段,应该有一个老师来指出哪些班级,哪些行动对应什么。
我也仍然很生疏。有想法,有发展。我也在用NS2工作。
那么,为什么我们不能说我们会有多少个班呢?我们可以告诉你一切。我不知道NSH2的情况(我不能确定--我没有见过),但在交易员中,你可以指定你想要的许多类--买入类、卖出类、离开买入类、离开卖出类。你需要多少个班就有多少个班。而且没有任何问题,.....
首先,我不喜欢NS2,因为你不能在那里做Kohonen地图 着色,其次,你不能即时改变聚类,而deductor很容易做到这一点。你不必为此重新训练网络!"。只要改变组合成类的参数就可以了。在同一个演绎器中,你可以设置类的数量,你可以设置聚类的显著性水平,那么就真的不知道会有多少个类了,你也可以完全不设类,看输入的东西落在哪个单元。
www.basegroup.ru,也很容易被谷歌搜索到。
www.basegroup.ru,也很容易被谷歌搜索到。
www.basegroup.ru,也很容易被谷歌搜索到。