如何正确形成NS的输入值。 - 页 23 1...16171819202122232425262728293031 新评论 Yury Reshetov 2008.07.13 18:28 #221 StatBars писал (а)>> 我不是在开发NS，我目前正在寻找最佳的输入和输出来建立一个训练样本，我认为适当的采样比NS更重要，网上有很多不同语言的NS变体... 对。有良好投入的建筑不是问题。你可以说：输入是一切，架构是什么。 在这里，先生们拿起正常的输入，用MTS "Сombo " 得到了适当的结果。 -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 这时，EA在固定的手数下工作。我还没有给它加上一个MM。 回复 11.05.2008 14:17zxc 瓦里奥。 我也试图把我的手放在这个奇迹上。我试了一个星期，调试了基本版的算法，并在basicTradingSystem中加入了自己的一些功能，也就是用作者的语言重新制作了 "基本BTS"。历史数据的结果非常好：盈利能力从8到12，预期回报率约为1000， 但这是我自己的指标的真实情况。 我在欧元上半年测试过，时间间隔约为半年。下个月后--结果 "后一个月--结果"？ 瓦利奥， 那么你在前面得到什么结果？非常有趣! 只是我也重新做了这个EA，一开始，H1在euromoney上一年（甚至不是半年，而是一年）的盈利能力超过18（甚至更高）！！！。但是，说句不好听的，前锋的结果并不那么好......。 现在，经过再次修订，优化期间的利润率较低（约10），但现在远期保持得很好（超过3个月）。 在远期超过3个月，利润率超过2.5。我仍在研究它，我认为它可以成为一个非常有趣的专家顾问。 回复 RIP 2008.07.13 20:01 #222 Reshetov писал (а)>> 对。架构，有了正确的输入，不再是一个问题。你可以说：输入是一切，架构是什么。 在这里，先生们用MTS "组合"捡到了正确的输入，并得到了适当的结果。 我在某种程度上同意你的观点。但是，网络架构起着很大的作用......。例如，RBF网络在解决一些插值问题方面要好得多。 Yury Reshetov 2008.07.13 20:22 #223 rip писал (а)>> 我同意你的一些观点。但是，网络架构起着很大的作用......。例如，RBF网络在解决一些插值问题方面要好得多。 对于交易来说，插值和近似问题是绝对没有用的，因为市场一直在变化，报价不是平滑函数。 在这里，我们需要解决外推问题，使交易策略能够顺利通过正向测试，而不是仅限于拟合历史。我们不需要知道某某日期和某某日期之间的价格是什么值，因为它已经知道了，不需要任何插值。 所以不要把时间浪费在内插和架构上。此外，插值和近似可以用不同的方法进行，而且更容易、更准确。 选择足够的输入，以便即使在初级架构上也能进行模式分类。之后就不需要再选择相应的架构了。试图做相反的事情只能是浪费时间。 对于建房来说，最重要的是基础，而不是装修。虽然表面看起来比粉底更有吸引力。 NS的架构也是如此。它当然会增加功能，但前提是输入足够多。如果不充分，如果地基坍塌，抹灰不会挽救房屋的坍塌。 RIP 2008.07.13 20:37 #224 Reshetov писал (а)>> 对于建房来说，最重要的是基础，而不是装修。虽然表面看起来确实比粉底更有吸引力。 NS的架构也是如此。它当然会增加功能，但前提是输入足够多。如果它们不足，那么在地基坍塌的情况下，石膏也无法挽救房屋的坍塌。 好吧，我同意 - 输入和输出信号很重要。这就是定义NS架构的问题陈述。模式分类，这就是其中之一。 说，为什么进场信号不能是对下一个柱子的标志的确定+对同一柱子的极值的确定？有什么问题吗？ 即使是分类，重要的问题将是你采取哪种NS以及你如何准备数据。网络不是一个准确的工具，它不能 给出的结果是百分之一，但它可能给出的标准是......与此相关的另一个工具将给出计算结果。 Леонид 2008.07.13 21:02 #225 Reshetov писал (а)>> 对于交易来说，插值和近似问题是绝对没有用的，因为市场一直在变化，报价不是平滑函数。在这里，我们需要解决外推的问题，使交易策略成功通过正向测试，而不是局限于拟合历史。我们不需要知道某某日和某某日之间的价格值是多少，因为它已经知道了，不需要任何插值。 所以不要把时间浪费在内插和架构上。此外，插值和近似可以通过其他各种方法完成，而且更容易和更准确。 选择足够的输入，以便即使在初级架构上也能进行模式分类。之后就不需要再选择相应的架构了。试图做相反的事情只能是浪费时间。 对于建房来说，最重要的是基础，而不是装修。虽然表面看起来比粉底更有吸引力。 NS的架构也是如此。这当然会增加功能，但前提是入口要足够。如果不充分，在地基坍塌的情况下，石膏也不能挽救房屋的坍塌。 我完全同意。正如一位尊敬的同志（史蒂夫-沃德）对我说的那样--"寻找入口" ))))) --- 2008.07.14 07:11 #226 TheXpert писал (а)>> 冻结！！！我已经有一个现成的VC++ libc。 只是有两个问题。 1.与Boost的绑定，我想摆脱它，最好是手动序列化，反正会闪退。 2.具有适应性音调的东西。 为什么要制作自行车？特别是在那里 1.MLP有可能创建一个树状结构。 2. std::valarray + 积极优化操作以加快计数。 3.有一个适应性的步骤 4.具有自动规范化的模式。 5.有充足的机会进行扩展。 Ы ? 是的，这一切都很好，谢谢你的建议。但正如他们所说，最好是为自己做一次 :) 这个周末我真的学到了很多。 特别是当我设法将循环的数量从10e7减少到大约10e4时。 我以两种方式做到了这一点。 1.误差最大的神经元以双倍的速度被纠正。(试图用一个误差最小的神经元来代替它--更糟) 2.如果一个神经元的修正值小于某个最小值（例如，10e-6），其修正值就会增加10倍。 我非常喜欢它。:) 好吧，至于使用别人的，在你自己明白需要的东西之前，你还不需要它。 特别是由于速度在这里很重要，以牺牲速度为代价增加功能是不可接受的。在我看来，最好是为一项具体的任务写一个网格。当然，如果没有正常的对象和深思熟虑的结构，是不行的，但... 关于第2点和第3点，已经很有意思了。有什么办法可以找出你们使用的方法吗？ ----------------------------------- 我读过这些帖子。太糟糕了，它还在那里。:)我所做的就是写出输入有多重要！！！建筑是什么--输入是一切，寻找输入等等。 但没有任何具体内容。也许大师们愿意分享一下？А? TheXpert 2008.07.14 07:50 #227 rip писал (а)>> >> 什么是解放军？ 我自己的，我以前在RSDN上发过。我还没有到SourceForge，它还需要一些工作... TheXpert 2008.07.14 08:04 #228 sergeev писал (а)>> 我通过两种方式做到了这一点。 1.误差最大的神经元以双倍的速度被纠正。(试图用一个误差最小的神经元来代替它--更糟) 2.如果一个神经元的修正值小于某个最小值（例如，10e-6），其修正值就会增加10倍。 我非常喜欢它。:) 是的，很酷，为什么我不自己建造呢？ 好吧，至于使用别人的，在你自己明白需要的东西之前，你还不需要它。 更重要的是，速度在这里很重要，以牺牲速度为代价增加功能是不允许的。在我看来，最好是为一项具体的任务写一个网格。当然，不是没有正常的对象和深思熟虑的结构，但是......。 至于速度--我已经尽力了，我想我的代码最多可以加快3-5%的速度。而且这并不容易 :)。 关于第2项和第3项，我已经很好奇了。有什么办法可以查出使用的是哪种方法吗？ 2."C++语言"，Bjorn Straustrup，寻找积极的优化，重点是减少复制操作。 3.V. Golovko的讲义，尝试搜索他的作品或谷歌 "自适应阶梯学习"，我现在不能给出特定的链接。 5.扩展不是为了损害速度，模板规则:)。 Yury Reshetov 2008.07.14 08:28 #229 sergeev писал (а)>> ----------------------------------- 我读过这些帖子。真可惜，它还在那里。:)所有的人只是写了创造投入有多重要！！建筑是什么--投入是一切，寻找投入等等。 而且特异性为零。也许大师们会分享一下？А? 更具体地说，我可以建议你如何寻找足够的投入。 以最简单的感知器为例（见如何找到一个有利可图的交易策略），将某些诱因及其组合连接到其输入。在这个非常感知器上给出最大利润系数的，也就是在恒定批量（没有MM）的测试中最适合的，很可能在更复杂的架构上通过正向测试。为什么，这很容易解释。毕竟，感知器是一种线性分类。这意味着我们将通过模式获得输入上的线性可分离性。通过架构，我们将增加非线性参数的分类，并获得一个改进的结果。 如果你做相反的事，你什么也得不到。复杂的架构消耗了巨大的资源，并通过非线性分离性忽略线性分离性，一次性搜索出模式的标志。而没有线性的非线性，只是单纯的拟合。我们得到的是浪费时间。 再来一份点心。如果网格是可以训练的，就不应该训练到最后。它必须总是训练不足。例如，要完全训练它需要1000个epochs，除以3，你会得到大约300个epochs。这已经很足够了。为什么？如果我们完全过度训练网络，它将只适合于静止的环境。而金融工具是非稳定的可切换环境。也就是说，它只能在一定时间内从一个静止状态部分切换到另一个静止状态，而大部分时间保持在同一状态。或者也可以恢复到以前的状态。因此，对网状结构的完全重新训练是对一些临时可切换环境的赤裸裸的调整。 最后，对于那些认为NS插值功能对交易来说是必要的书呆子，我可以给你一个具体的反驳意见。只要采取任何重绘指标或震荡器，你将得到一个惊人的历史插值，不需要任何神经网络和棘手的架构。当然，交易者回避重绘指数，因为适合插值或近似的东西不适合在非稳态条件下进行推断。 Sceptic Philozoff 2008.07.14 08:41 #230 Reshetov писал (а)>> 再来一份点心。如果网是可以训练的，就决不能训练到最后。它必须总是训练不足。例如，你需要1000个epochs来完全训练它，除以3，你会得到大约300个epochs。这已经很足够了。为什么？如果我们完全过度训练网络，它将只适合于静止的环境。而金融工具是非稳定的可转换环境。也就是说，它只能在一定时间内从一个静止状态部分切换到另一个静止状态，而大部分时间保持在同一状态。或者也可以恢复到以前的状态。 我想进一步加强这个建议：除以10。由于某些原因，我想到了一个关于随机共振的分支。将网格学习进行到底可能会使目标函数达到深度最小值，即达到稳定状态。稳定的状态根本不是金融市场的典型。它们是准稳定的，也就是说，在哪怕是轻微的 "噪音 "影响下，它们随时都会变成一场灾难（趋势）。但这只是哲学上的思考... 1...16171819202122232425262728293031 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
我不是在开发NS，我目前正在寻找最佳的输入和输出来建立一个训练样本，我认为适当的采样比NS更重要，网上有很多不同语言的NS变体...
对。有良好投入的建筑不是问题。你可以说：输入是一切，架构是什么。
在这里，先生们拿起正常的输入，用MTS "Сombo " 得到了适当的结果。
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
我也试图把我的手放在这个奇迹上。我试了一个星期，调试了基本版的算法，并在basicTradingSystem中加入了自己的一些功能，也就是用作者的语言重新制作了 "基本BTS"。历史数据的结果非常好：盈利能力从8到12，预期回报率约为1000， 但这是我自己的指标的真实情况。 我在欧元上半年测试过，时间间隔约为半年。下个月后--结果
"后一个月--结果"？
瓦利奥， 那么你在前面得到什么结果？非常有趣!
只是我也重新做了这个EA，一开始，H1在euromoney上一年（甚至不是半年，而是一年）的盈利能力超过18（甚至更高）！！！。但是，说句不好听的，前锋的结果并不那么好......。
现在，经过再次修订，优化期间的利润率较低（约10），但现在远期保持得很好（超过3个月）。 在远期超过3个月，利润率超过2.5。我仍在研究它，我认为它可以成为一个非常有趣的专家顾问。
对。架构，有了正确的输入，不再是一个问题。你可以说：输入是一切，架构是什么。
在这里，先生们用MTS "组合"捡到了正确的输入，并得到了适当的结果。
我在某种程度上同意你的观点。但是，网络架构起着很大的作用......。例如，RBF网络在解决一些插值问题方面要好得多。
我同意你的一些观点。但是，网络架构起着很大的作用......。例如，RBF网络在解决一些插值问题方面要好得多。
对于交易来说，插值和近似问题是绝对没有用的，因为市场一直在变化，报价不是平滑函数。 在这里，我们需要解决外推问题，使交易策略能够顺利通过正向测试，而不是仅限于拟合历史。我们不需要知道某某日期和某某日期之间的价格是什么值，因为它已经知道了，不需要任何插值。
所以不要把时间浪费在内插和架构上。此外，插值和近似可以用不同的方法进行，而且更容易、更准确。
选择足够的输入，以便即使在初级架构上也能进行模式分类。之后就不需要再选择相应的架构了。试图做相反的事情只能是浪费时间。
对于建房来说，最重要的是基础，而不是装修。虽然表面看起来比粉底更有吸引力。
NS的架构也是如此。它当然会增加功能，但前提是输入足够多。如果不充分，如果地基坍塌，抹灰不会挽救房屋的坍塌。
对于建房来说，最重要的是基础，而不是装修。虽然表面看起来确实比粉底更有吸引力。
NS的架构也是如此。它当然会增加功能，但前提是输入足够多。如果它们不足，那么在地基坍塌的情况下，石膏也无法挽救房屋的坍塌。好吧，我同意 - 输入和输出信号很重要。这就是定义NS架构的问题陈述。模式分类，这就是其中之一。
说，为什么进场信号不能是对下一个柱子的标志的确定+对同一柱子的极值的确定？有什么问题吗？
即使是分类，重要的问题将是你采取哪种NS以及你如何准备数据。网络不是一个准确的工具，它不能
给出的结果是百分之一，但它可能给出的标准是......与此相关的另一个工具将给出计算结果。
对于交易来说，插值和近似问题是绝对没有用的，因为市场一直在变化，报价不是平滑函数。在这里，我们需要解决外推的问题，使交易策略成功通过正向测试，而不是局限于拟合历史。我们不需要知道某某日和某某日之间的价格值是多少，因为它已经知道了，不需要任何插值。
所以不要把时间浪费在内插和架构上。此外，插值和近似可以通过其他各种方法完成，而且更容易和更准确。
选择足够的输入，以便即使在初级架构上也能进行模式分类。之后就不需要再选择相应的架构了。试图做相反的事情只能是浪费时间。
对于建房来说，最重要的是基础，而不是装修。虽然表面看起来比粉底更有吸引力。
NS的架构也是如此。这当然会增加功能，但前提是入口要足够。如果不充分，在地基坍塌的情况下，石膏也不能挽救房屋的坍塌。
我完全同意。正如一位尊敬的同志（史蒂夫-沃德）对我说的那样--"寻找入口" )))))
冻结！！！我已经有一个现成的VC++ libc。
只是有两个问题。
1.与Boost的绑定，我想摆脱它，最好是手动序列化，反正会闪退。
2.具有适应性音调的东西。
为什么要制作自行车？特别是在那里
1.MLP有可能创建一个树状结构。
2. std::valarray + 积极优化操作以加快计数。
3.有一个适应性的步骤
4.具有自动规范化的模式。
5.有充足的机会进行扩展。
Ы ?
是的，这一切都很好，谢谢你的建议。但正如他们所说，最好是为自己做一次 :)
这个周末我真的学到了很多。
特别是当我设法将循环的数量从10e7减少到大约10e4时。
我以两种方式做到了这一点。
1.误差最大的神经元以双倍的速度被纠正。(试图用一个误差最小的神经元来代替它--更糟)
2.如果一个神经元的修正值小于某个最小值（例如，10e-6），其修正值就会增加10倍。
我非常喜欢它。:)
好吧，至于使用别人的，在你自己明白需要的东西之前，你还不需要它。
特别是由于速度在这里很重要，以牺牲速度为代价增加功能是不可接受的。在我看来，最好是为一项具体的任务写一个网格。当然，如果没有正常的对象和深思熟虑的结构，是不行的，但...
关于第2点和第3点，已经很有意思了。有什么办法可以找出你们使用的方法吗？
-----------------------------------
我读过这些帖子。太糟糕了，它还在那里。:)我所做的就是写出输入有多重要！！！建筑是什么--输入是一切，寻找输入等等。
但没有任何具体内容。也许大师们愿意分享一下？А?
>> 什么是解放军？
我自己的，我以前在RSDN上发过。我还没有到SourceForge，它还需要一些工作...
我通过两种方式做到了这一点。
1.误差最大的神经元以双倍的速度被纠正。(试图用一个误差最小的神经元来代替它--更糟)
2.如果一个神经元的修正值小于某个最小值（例如，10e-6），其修正值就会增加10倍。
我非常喜欢它。:)
是的，很酷，为什么我不自己建造呢？
好吧，至于使用别人的，在你自己明白需要的东西之前，你还不需要它。
更重要的是，速度在这里很重要，以牺牲速度为代价增加功能是不允许的。在我看来，最好是为一项具体的任务写一个网格。当然，不是没有正常的对象和深思熟虑的结构，但是......。
至于速度--我已经尽力了，我想我的代码最多可以加快3-5%的速度。而且这并不容易 :)。
关于第2项和第3项，我已经很好奇了。有什么办法可以查出使用的是哪种方法吗？
2."C++语言"，Bjorn Straustrup，寻找积极的优化，重点是减少复制操作。
3.V. Golovko的讲义，尝试搜索他的作品或谷歌 "自适应阶梯学习"，我现在不能给出特定的链接。
5.扩展不是为了损害速度，模板规则:)。
-----------------------------------
我读过这些帖子。真可惜，它还在那里。:)所有的人只是写了创造投入有多重要！！建筑是什么--投入是一切，寻找投入等等。
而且特异性为零。也许大师们会分享一下？А?
更具体地说，我可以建议你如何寻找足够的投入。
以最简单的感知器为例（见如何找到一个有利可图的交易策略），将某些诱因及其组合连接到其输入。在这个非常感知器上给出最大利润系数的，也就是在恒定批量（没有MM）的测试中最适合的，很可能在更复杂的架构上通过正向测试。为什么，这很容易解释。毕竟，感知器是一种线性分类。这意味着我们将通过模式获得输入上的线性可分离性。通过架构，我们将增加非线性参数的分类，并获得一个改进的结果。
如果你做相反的事，你什么也得不到。复杂的架构消耗了巨大的资源，并通过非线性分离性忽略线性分离性，一次性搜索出模式的标志。而没有线性的非线性，只是单纯的拟合。我们得到的是浪费时间。
再来一份点心。如果网格是可以训练的，就不应该训练到最后。它必须总是训练不足。例如，要完全训练它需要1000个epochs，除以3，你会得到大约300个epochs。这已经很足够了。为什么？如果我们完全过度训练网络，它将只适合于静止的环境。而金融工具是非稳定的可切换环境。也就是说，它只能在一定时间内从一个静止状态部分切换到另一个静止状态，而大部分时间保持在同一状态。或者也可以恢复到以前的状态。因此，对网状结构的完全重新训练是对一些临时可切换环境的赤裸裸的调整。
最后，对于那些认为NS插值功能对交易来说是必要的书呆子，我可以给你一个具体的反驳意见。只要采取任何重绘指标或震荡器，你将得到一个惊人的历史插值，不需要任何神经网络和棘手的架构。当然，交易者回避重绘指数，因为适合插值或近似的东西不适合在非稳态条件下进行推断。