如何正确形成NS的输入值。 - 页 15 1...8910111213141516171819202122...31 新评论 Neutron 2008.07.09 13:32 #141 rip писал (а)>> 我可以问一下这段摘录来自哪里吗?我曾经试图从噪声中提取有用的信号,但这项工作从未完成。 这是来自Heikin的神经网络。 lna01 写道(a)>> 互惠信息被提议作为目标函数。因此,这是一种没有老师的学习的变体。 而这就是最终的结果?某种滑动的矢量,即多维的muving? 这就是耐人寻味之处。我们可以从这样一个训练有素的日常酒吧收盘价格网络的输入中期待什么? 可能会得到一个下一个可能值的向量...是这样的。 P.S.Candid,不为人知的互联网资源是怎么回事?- 从今天早上开始就无法访问该网站。 Candid 2008.07.09 13:49 #142 Neutron писал (а)>> 这毕竟是耐人寻味之处。我们可以从这样一个训练有素的每日酒吧收盘价网络的输入中期待什么? 可能会得到一个下一个可能值的向量...是这样的。 我怀疑是重绘的口误:)。这当然会很有趣。 P.S.Candid,不为人知的互联网资源是怎么回事?- 从今天早上开始就无法访问该网站。 我有同样的问题。没有其他信息。 TheXpert 2008.07.09 13:54 #143 lna01 писал (а)>> 我怀疑是重绘的muving :)。这当然会很有趣。 我有同样的问题。没有其他信息。 又是什么阻碍了你在一个完全成形的蜡烛上研究开盘价? Neutron 2008.07.09 14:06 #144 lna01 писал (а)>> 我怀疑是重绘的muving :)。这当然会很有趣。 你是认真的吗?毕竟,muving在第一个差分序列的样本之间有明显的正自相关(它是一个平滑函数),即我们正在谈论NS输出的相关性,因此不是熵最大化,这与NS训练的基本概念相矛盾。 还是我有......读了吗? TheXpert 写道(a)>> 又是什么阻碍了你在完全形成的蜡烛上以开盘价工作? 嗯,没什么。 为什么? TheXpert 2008.07.09 14:12 #145 Neutron писал (а)>> 你是认真的吗?毕竟,muving在第一个差分序列的样本之间有明显的正自相关(它是一个平滑函数),即我们正在谈论NS输出的相关性,因此不是熵最大化,这与NS训练的基本概念相矛盾。 还是我有...已经读过了? 是的,事实上什么都没有。 啊,为什么? 这样就不会出现重绘的情况了:) Candid 2008.07.09 15:50 #146 Neutron писал (а)>> 你是认真的吗?毕竟,muving在第一差分序列中的样本之间有明显的正自相关(它是一个平滑函数),即我们谈论的是NS输出的相关性,因此不是熵最大化,这与NS训练的基本概念相矛盾。 在我的理解中,Muvings--由滑动窗口计算的任何特征,并与该窗口的最后一个条形图相关联:)。正的自相关并不自动由此产生。 顺便问一下,相互信息最大化是否等同于熵的最大化? Егор 2008.07.09 19:23 #147 大家下午好。 讨论似乎已经从如何正确地形成 输入转移到向输入提供什么。 论坛上的这类话题通常有一个艰难而短暂的命运。(( 即使有许多关于投入的建议,把它们放在一起也不会得到一个好的结果,我认为。 获得结果的最简单方法是采取一个交易理念,并使用神经网络来实现它。 也就是说,在这种情况下,由神经元网发明TS并不是一件难事(而且是从那些想到的或有人建议我的输入)。 但实施/改进一个现成的系统/想法 是一项更简单的任务。 __________ 例如,如果我们想根据 市场波动进行交易,输入和教师可以基于МА、傅里叶和其他将市场视为振荡系统的指标。 如果我们想创建一个趋势系统,我们的输入应该是能提供关于趋势、其出现、衰减、强度等最大信息的指标。 而它的老师应该是标志着平坦、趋势、修正和反转的指标。 如果我们想做一个能在突破/突破重要水平时 进行交易的系统, 它可能会包括一些之字形,也许还有一个市场轮廓,等等。 它的老师可能会是人字形,而不是马字形。 通道交易系统、使用回归的系统也是如此,等等。 ___________ 因此,我建议,为了不发明条目和教师的维纳克。 采取一些已知的好主意/系统,将其与投入和教师匹配,并建立一个网络。 并看看会发生什么。 ___________ 我认为另一种解决喂什么 问题的方法是解决从所有想到的可能的输入中选择有意义的输入(但同样是为某个特定的教师)的问题。 Artem Titarenko 2008.07.09 22:43 #148 Erics писал (а)>> 大家下午好。 讨论似乎已经从如何适当地塑造 投入转向向投入提供什么。 论坛上的这类话题通常有一个艰难而短暂的命运。(( 即使有许多关于投入的建议,把它们放在一起也不会得到一个好的结果,我认为。 获得结果的最简单方法是采取一个交易理念,并使用神经网络来实现它。 也就是说,在这种情况下,由一个神经元网发明TS并不是一件难事(而且是从那些想到的或有人建议我的输入)。 但实施/改进一个现成的系统/想法是一项更简单的任务。 我同意。 而且更重要的是,不是每一个普通的TS,将TS与NS交叉可能真的有很好的效果。 仅仅选择市场条目而没有常规的TS,可能会走得很远。归于平淡... Yuriy Zaytsev 2008.07.10 03:23 #149 StatBars писал (а)>> 给我看看... 这里有一个很好的指标。 这个指标是个美人! 并以ZZ原则为基础--采取H和L 它完美地显示了过去的中枢点 TheXpert 写道(a)>> 不,"之 "字形不好,你还有别的吗? --- >> 问题。 把它作为一个教学点来喂养有什么问题? 什么是更好的学习饲料 - 不是一个支点? 我明白,当然我可以提供任何东西,只要输出是有趣的。 --- p.s. 我说的是作为教学内容被输入的点。 Dmitry Fedoseev 2008.07.10 05:07 #150 YuraZ писал (а)>> 什么是培训的最佳投入--不是支点? 当然,我明白,只要输出的东西是有趣的,你可以喂任何东西,以获得 你可以为你的策略尝试一个入口点。 1...8910111213141516171819202122...31 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
我可以问一下这段摘录来自哪里吗?我曾经试图从噪声中提取有用的信号,但这项工作从未完成。
这是来自Heikin的神经网络。
互惠信息被提议作为目标函数。因此,这是一种没有老师的学习的变体。
而这就是最终的结果?某种滑动的矢量,即多维的muving?
这就是耐人寻味之处。我们可以从这样一个训练有素的日常酒吧收盘价格网络的输入中期待什么?
可能会得到一个下一个可能值的向量...是这样的。
P.S.Candid,不为人知的互联网资源是怎么回事?- 从今天早上开始就无法访问该网站。
这毕竟是耐人寻味之处。我们可以从这样一个训练有素的每日酒吧收盘价网络的输入中期待什么?
可能会得到一个下一个可能值的向量...是这样的。
P.S.Candid,不为人知的互联网资源是怎么回事?- 从今天早上开始就无法访问该网站。
我有同样的问题。没有其他信息。
我怀疑是重绘的muving :)。这当然会很有趣。
我有同样的问题。没有其他信息。
又是什么阻碍了你在一个完全成形的蜡烛上研究开盘价?
我怀疑是重绘的muving :)。这当然会很有趣。
你是认真的吗?毕竟,muving在第一个差分序列的样本之间有明显的正自相关(它是一个平滑函数),即我们正在谈论NS输出的相关性,因此不是熵最大化,这与NS训练的基本概念相矛盾。
还是我有......读了吗?
又是什么阻碍了你在完全形成的蜡烛上以开盘价工作?
嗯,没什么。
为什么?
你是认真的吗?毕竟,muving在第一个差分序列的样本之间有明显的正自相关(它是一个平滑函数),即我们正在谈论NS输出的相关性,因此不是熵最大化,这与NS训练的基本概念相矛盾。
还是我有...已经读过了?
是的,事实上什么都没有。
啊,为什么?
这样就不会出现重绘的情况了:)
你是认真的吗?毕竟,muving在第一差分序列中的样本之间有明显的正自相关(它是一个平滑函数),即我们谈论的是NS输出的相关性,因此不是熵最大化,这与NS训练的基本概念相矛盾。
在我的理解中,Muvings--由滑动窗口计算的任何特征,并与该窗口的最后一个条形图相关联:)。正的自相关并不自动由此产生。
顺便问一下,相互信息最大化是否等同于熵的最大化?
大家下午好。
讨论似乎已经从如何正确地形成 输入转移到向输入提供什么。
论坛上的这类话题通常有一个艰难而短暂的命运。((
即使有许多关于投入的建议,把它们放在一起也不会得到一个好的结果,我认为。
获得结果的最简单方法是采取一个交易理念,并使用神经网络来实现它。
也就是说,在这种情况下,由神经元网发明TS并不是一件难事(而且是从那些想到的或有人建议我的输入)。
但实施/改进一个现成的系统/想法 是一项更简单的任务。
__________
例如,如果我们想根据 市场波动进行交易,输入和教师可以基于МА、傅里叶和其他将市场视为振荡系统的指标。
如果我们想创建一个趋势系统,我们的输入应该是能提供关于趋势、其出现、衰减、强度等最大信息的指标。
而它的老师应该是标志着平坦、趋势、修正和反转的指标。
如果我们想做一个能在突破/突破重要水平时 进行交易的系统, 它可能会包括一些之字形,也许还有一个市场轮廓,等等。
它的老师可能会是人字形,而不是马字形。
通道交易系统、使用回归的系统也是如此,等等。
___________
因此,我建议,为了不发明条目和教师的维纳克。
采取一些已知的好主意/系统,将其与投入和教师匹配,并建立一个网络。
并看看会发生什么。
___________
我认为另一种解决喂什么 问题的方法是解决从所有想到的可能的输入中选择有意义的输入(但同样是为某个特定的教师)的问题。
大家下午好。
讨论似乎已经从如何适当地塑造 投入转向向投入提供什么。
论坛上的这类话题通常有一个艰难而短暂的命运。((
即使有许多关于投入的建议,把它们放在一起也不会得到一个好的结果,我认为。
获得结果的最简单方法是采取一个交易理念,并使用神经网络来实现它。
也就是说,在这种情况下,由一个神经元网发明TS并不是一件难事(而且是从那些想到的或有人建议我的输入)。
但实施/改进一个现成的系统/想法是一项更简单的任务。
我同意。
而且更重要的是,不是每一个普通的TS,将TS与NS交叉可能真的有很好的效果。
仅仅选择市场条目而没有常规的TS,可能会走得很远。归于平淡...
给我看看...
这里有一个很好的指标。
这个指标是个美人!
并以ZZ原则为基础--采取H和L
它完美地显示了过去的中枢点
不,"之 "字形不好,你还有别的吗?
---
>> 问题。
把它作为一个教学点来喂养有什么问题?
什么是更好的学习饲料 - 不是一个支点?
我明白,当然我可以提供任何东西,只要输出是有趣的。
---
p.s.
我说的是作为教学内容被输入的点。
什么是培训的最佳投入--不是支点?
当然,我明白,只要输出的东西是有趣的,你可以喂任何东西,以获得
你可以为你的策略尝试一个入口点。