你是如何使用神经网络的? - 页 6 12345678 新评论 Yury Reshetov 2010.07.15 07:57 #51 LeoV: 说实话,我不太明白你的意思。 这个想法很简单。 假设我们有两个TC。 1.在从通道的反弹中,即contrend。它在通道内获利,而在崩溃时则亏损。 2.突破通道 - 趋势。它在长线趋势中收入,在横盘中损失。 如果图表围绕横轴倒置,那么两个TC的行为将是一样的,也就是说,即使它所调整的正常图表是以上升趋势为主,趋势一也会在下降趋势下获利。 实际上,网格的行为应该是对称的,也就是说,如果它是为上升趋势而训练的,它也应该在下降趋势中 "赚"。如果它不能这样做,例如,只在上升趋势中 "挣钱",那么它比上述原始的TS更糟糕,因为它将在下降趋势和横盘中都开始损失。 也就是说,当训练网络 时,它不仅需要从被分析的BP中下载一个例子的样本,而且需要下载所有反转形式的例子。 比如说。 假设在训练样本中有一些两个训练实例。(输入和输出从-1到+1)。 0,35 -0,21 0,8 -0,51 -0,71 0,71 0,1 -0,21 -0,96 0,12 其中:从第一个值到倒数第二个值--输入,例如(RSI-50.0)/50.0的归一化值或另一个震荡器。最后一个值是我们想要的输出。因此,为了获得对称的训练,每个这样的例子都应该被倒置,也就是说,训练样本应该加倍。 0,71 0,1 -0,21 -0,96 0,12 -0,35 0,21 -0,8 0,51 0,71 -0,71 -0,1 0,21 0,96 -0,12 0,35 -0,21 0,8 -0,51 -0,71 How do you work Raw Ideas Avalanche [删除] 2010.07.15 15:11 #52 Reshetov: 不后悔。见GRNN-GA。那么?神经网络是否已被遗传算法所取代? 这个链接到底说了什么?它是关于什么的? 我可以得到一个报价吗--对于那些不明白的人来说? SAMER 2010.07.15 15:33 #53 http://forecast-man.com/ 这里是另一个关于模糊逻辑的NS库,很想听听评论,但可能没有多少人听说过它...... Vizard 2010.07.15 16:47 #54 LeoV: 这个问题的解决方法很简单--你需要在这样的时间间隔内训练网,在这个时间间隔内,所有类型的运动都存在。既有横向的,也有纵向的。当然,你必须明白,如果网只在上升期进行训练,那么在下降期就会失败))))。 所有正确的说法...但趋势的变化又如何呢?我没有太多成功......一个好,然后不那么好......。 ps.但是如果对教师来说有正常的输入(即--在输入中可以找到一些东西)--这并不重要--网格(任何结构),地图koh,ha,k-方法,等等..... 一切都会成功... Yury Reshetov 2010.07.15 17:01 #55 Vizard: 但如果对教师来说有正常的输入(即--在输入中可以找到一些东西)--那么这并不重要--一个网格(任何结构),地图KOH,HA,K-方法,等等..... 一切都会成功... 应该把BP中不存在正常的输入作为一个公理。猫必须知道如何做饭。见预测金融时间序列 Yury Reshetov 2010.07.15 17:08 #56 Swetten: 那么?神经网络是否已被遗传算法所取代? 这个链接到底说了什么?它是关于什么的? 我可以得到一个报价吗--对于那些不明白的人来说? 问题是,我们所说的神经网络是指各种算法,包括回归、遗传等。参考GRNN-GA 作为一个例子,因为事实上它可以被称为一个神经网络,只是因为它使用了加权系数--通过查询数据库中的相关实例的搜索引擎。 [删除] 2010.07.15 17:10 #57 Reshetov: 问题是,我们所说的神经网络是指各种算法,包括回归、遗传等。参考GRNN-GA 作为一个例子,因为事实上它甚至可以被称为一个神经网络,只是因为使用了加权系数--通过查询数据库中的相关例子的搜索引擎。 让我提醒你原来的说法:NS和GA是完全不同的东西,彼此之间没有任何关系。 一个人不会以任何方式改变成另一个人。 你要争论吗? Vizard 2010.07.15 17:26 #58 关于按条件(教师)搜索信号的方法、算法(网格、ga等......)的争论是无止境的......以及关于vr的准备工作。这一点是不同的......只要保持一般的动态,一切都很好......如果动态发生变化,那就是排水....。 Леонид 2010.07.15 18:55 #59 Vizard: 你说的没错...只是,改变动态的情况如何? 这与动力学无关。动态可以是任何东西--只要网络在训练期间发现的模式在未来有效。这就是问题所在--.....)) Леонид 2010.07.15 18:57 #60 Reshetov: 这个想法很简单。 假设我们有两个TC。 1.在从通道反弹的过程中,即contrend。在通道中挣钱,在故障中输钱。 2.突破通道 - 趋势。它在长期趋势中获利,在横盘中亏损。 这里唯一的问题是如何确定下一个市场阶段以及它将持续多长时间....... 12345678 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
说实话,我不太明白你的意思。
这个想法很简单。
假设我们有两个TC。
1.在从通道的反弹中,即contrend。它在通道内获利,而在崩溃时则亏损。
2.突破通道 - 趋势。它在长线趋势中收入,在横盘中损失。
如果图表围绕横轴倒置,那么两个TC的行为将是一样的,也就是说,即使它所调整的正常图表是以上升趋势为主,趋势一也会在下降趋势下获利。
实际上,网格的行为应该是对称的,也就是说,如果它是为上升趋势而训练的,它也应该在下降趋势中 "赚"。如果它不能这样做,例如,只在上升趋势中 "挣钱",那么它比上述原始的TS更糟糕,因为它将在下降趋势和横盘中都开始损失。
也就是说,当训练网络 时,它不仅需要从被分析的BP中下载一个例子的样本,而且需要下载所有反转形式的例子。
比如说。
假设在训练样本中有一些两个训练实例。(输入和输出从-1到+1)。
0,35 -0,21 0,8 -0,51 -0,71
0,71 0,1 -0,21 -0,96 0,12
其中:从第一个值到倒数第二个值--输入,例如(RSI-50.0)/50.0的归一化值或另一个震荡器。最后一个值是我们想要的输出。因此,为了获得对称的训练,每个这样的例子都应该被倒置,也就是说,训练样本应该加倍。
0,71 0,1 -0,21 -0,96 0,12
-0,35 0,21 -0,8 0,51 0,71
-0,71 -0,1 0,21 0,96 -0,12
0,35 -0,21 0,8 -0,51 -0,71
不后悔。见GRNN-GA。
那么?神经网络是否已被遗传算法所取代?
这个链接到底说了什么?它是关于什么的?
我可以得到一个报价吗--对于那些不明白的人来说?
这个问题的解决方法很简单--你需要在这样的时间间隔内训练网,在这个时间间隔内,所有类型的运动都存在。既有横向的,也有纵向的。当然,你必须明白,如果网只在上升期进行训练,那么在下降期就会失败))))。
所有正确的说法...但趋势的变化又如何呢?我没有太多成功......一个好,然后不那么好......。
ps.但是如果对教师来说有正常的输入(即--在输入中可以找到一些东西)--这并不重要--网格(任何结构),地图koh,ha,k-方法,等等..... 一切都会成功...
但如果对教师来说有正常的输入(即--在输入中可以找到一些东西)--那么这并不重要--一个网格(任何结构),地图KOH,HA,K-方法,等等..... 一切都会成功...
那么?神经网络是否已被遗传算法所取代?
这个链接到底说了什么?它是关于什么的?
我可以得到一个报价吗--对于那些不明白的人来说?
问题是,我们所说的神经网络是指各种算法,包括回归、遗传等。参考GRNN-GA 作为一个例子,因为事实上它甚至可以被称为一个神经网络,只是因为使用了加权系数--通过查询数据库中的相关例子的搜索引擎。
让我提醒你原来的说法:NS和GA是完全不同的东西,彼此之间没有任何关系。
一个人不会以任何方式改变成另一个人。
你要争论吗?
关于按条件(教师)搜索信号的方法、算法(网格、ga等......)的争论是无止境的......以及关于vr的准备工作。这一点是不同的......只要保持一般的动态,一切都很好......如果动态发生变化,那就是排水....。
这与动力学无关。动态可以是任何东西--只要网络在训练期间发现的模式在未来有效。这就是问题所在--.....))
这个想法很简单。
假设我们有两个TC。
1.在从通道反弹的过程中,即contrend。在通道中挣钱,在故障中输钱。
2.突破通道 - 趋势。它在长期趋势中获利,在横盘中亏损。
这里唯一的问题是如何确定下一个市场阶段以及它将持续多长时间.......