如何正确形成NS的输入值。 - 页 5 123456789101112...31 新评论 Dmitrii 2008.07.07 18:33 #41 StatBars писал (а)>> 在什么数值下,双曲切线会进入饱和状态? 多于+-1... 如果使用下切作为压缩函数,输入必须在这个范围内进行缩放。 你可以使用部分阿尔克塔根,而且输入必须按比例调整为+-1.57 二角形是经典的[0-1]。 对于网络的分类,缩放是没有必要的... oncemore 2008.07.07 19:28 #42 sergeev писал (а)>> 2 萨特--如果你是初学者,你可能对我在https://forum.mql4.com/ru/12474/page9 的帖子中的代码感兴趣。 阿列克谢,谢谢你的关注,但现在对我来说看代码还太早。我将在两三个月内研究这个理论。 Sceptic Philozoff 2008.07.08 07:35 #43 klot писал (а)>> 当我们分析100年以上的报价时,"胖尾巴 "是可见的。(夸张的)。如果我们看某个区域,例如最后的300条,那么那里就没有 "肥尾"。 你是否也用300条的面积来教你的NS? --- 2008.07.08 07:44 #44 阅读来自StatBars的文章。他们的信息量非常大。对于那些不知道的人来说,他们讨论了训练样本的可重复性和不一致性对待分类图像的复杂性的依赖性质。在" 作为脚本的神经网络"分支和https://forum.mql4.com/ru/8835/page2,人们根据离散二进制原则组织输出,这取决于 "教师 "的方向,形成一个矢量。(例如,三个输出1-0-0向上,0-1-0平坦,0-0-1向下)。另一个变体提出了一个输出,但它被分解成离散的值,根据以下标志 1.0 - 一天内上涨超过70点,下跌少于30点。 0.9 - 60 上 25 下 0.8 - 涨40点,跌20点 0.75 - 平坦 0.7 - 跌40点,涨20点 0.6 - 60 下 25 上 0.5 - 70下30上 但是,考虑到文章中所说的内容,对输出的最佳解释可能是这样的公式 目标=(Up-Dn)/(Up+Dn),其中Up是 "教师 "时期的向上运动高度,Dn是向下运动高度。在这种情况下,输出范围将是连续的,将在[-1,+1]的范围内,边界条件+1 - 强烈的上升运动,-1 - 强烈的下降运动,0 - 平坦。在这种情况下,如果我们引入一些变量Z,我们可以把输出分成以下三个部分。-1<-Z<+Z<+1,相对于变量Z,利润最大化。 也就是说,我们将尝试在输入向量和进一步的趋势关系之间构建一种关系。通过这种连续输出,我们将获得令人满意的非重复性和训练样本的一致性。 另一方面,我们仍然想知道不仅是趋势参数之间的关系,而且是未来价格的相对值。为此,我们引入变量TP、SL。在网格上,我们将根据公式Up-TP、Dn-TP、Up-SL、Dn-SL计算四个产出,即买入时Up-TP>0,Dn-SL<0;卖出时Dn-TP>0,Up-SL<0。利润最大化是相对于这些变量TP和SL而言的。 第三个网络决定了实现价格上限的速度。如果教师期=X条,达到Up=BU,Dn=BD的条数,那么网络输出必须等于BU-BD的比率,当在顶部之前达到底部时,(BU-BD)/X>0,在底部之前达到顶部时<0。这种情况下的利润最大化是相对于零的。 --- 2008.07.08 08:02 #45 StatBars писал (а) >> при каких значениях гиперболический тангенс входит в насыщение? 从图中你可以看到,从5-6的数值开始。 但我有另一个问题。哪个函数的计算速度更快,乙字形还是正切? 附加的文件: zvntx1.rar 6 kb Сергей 2008.07.08 08:06 #46 sergeev писал (а)>> ... 另一方面,我们仍然希望不仅知道趋势参数之间的关系,还希望知道未来价格的相对价值。为此,我们引入变量TP、SL... 你去吧。你已经毁了一切。:) ` 见酸奶主题+我非常怀疑即使是 "未来价格的相对值"也可以预测!!概率高,即误差小。 以及为什么????- 毕竟,已经有了"进一步的趋势 比率"--即品尝--要么在 "持平 "时关闭,要么在信号改变时翻转"。 ` 虽然,作为一个开始--实施第一部分,即回到"如何正确形成输入值"(其他一切--琐事) :( --- 2008.07.08 08:09 #47 SergNF писал (а)>> 虽然首先--实现第一部分,即回到"如何正确形成输入值"的主题(其他都是琐碎的):( 我完全同意。 我没有偏离主题。只是大声地想一想。比率=0.25可能既是40/100又是10/40,但我们会在第一种情况下获利,而不是在第二种情况下。一般来说,是否可以作为一种选择,根据级联原则(我不知道如何正确称呼它)建立一个网络:即几个网络,但下一个的输入是前一个的输出。一些委员会和卷积图的野生混合物变成了:))。虽然,我们会知道中间的产出(就像有一个chitel一样)。 以下是该计划 例如,输出是我上一篇文章中描述的那些。首先我们确定方向,然后是它的强度,然后是速度。 网络到底能不能正常运行? 还是不要搞得一团糟,走简单的步骤比较好? Sceptic Philozoff 2008.07.08 08:31 #48 sergeev писал (а)>> 但我有另一个问题。哪个函数的计算速度更快--西格玛和下切? 这些函数很容易通过彼此来表达--线性的。所以没有太大的区别。公式。 tanh(x) = 2*sigmoid(2*x) - 1 = sigmoid(2*x) - sigmoid(-2*x) 一般来说,在密集的计算中,可能,sigmoid的计算本身必须以某种方式优化。网上有一些快速和准确的计算库。 Artem Titarenko 2008.07.08 10:23 #49 sergeev писал (а)>> 从图中你可以看到,从5-6的数值开始。 但我有另一个问题。哪种函数的计算速度更快,西格玛和下切? 我认为klot 有正确的答案,你甚至可以在图片中看到它。sigmoid可以有更大范围的输入值。我想说从3到-3,但更可能是从pi到-pi。 关于目标--问题出现在运动前面的小节数量上...我的理解是,运动的高度将在一定的条数上选择。建议搜索100条的间隔,从进入点开始,当找到2个极值,每个极值离进入点至少有X个点时,搜索停止。将根据货币对和时间框架选择X点。 --- 2008.07.08 10:32 #50 明天我将发布开幕式的感应器,并对未来进行展望。它清楚地表明,TP=80...100pt的交易持续了大约1500分钟,由此我们可以对不同的TFs得出适当的结论。但至于找到两个极值的X点上涨和X点下跌,我不这么认为。如果我们往下走,达到了X点,我们可能就不能往上走了。我对你的理解是否正确? 123456789101112...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
在什么数值下,双曲切线会进入饱和状态?
多于+-1...
如果使用下切作为压缩函数,输入必须在这个范围内进行缩放。
你可以使用部分阿尔克塔根,而且输入必须按比例调整为+-1.57
二角形是经典的[0-1]。
对于网络的分类,缩放是没有必要的...
2 萨特--如果你是初学者,你可能对我在https://forum.mql4.com/ru/12474/page9 的帖子中的代码感兴趣。
阿列克谢,谢谢你的关注,但现在对我来说看代码还太早。我将在两三个月内研究这个理论。
当我们分析100年以上的报价时,"胖尾巴 "是可见的。(夸张的)。如果我们看某个区域,例如最后的300条,那么那里就没有 "肥尾"。
你是否也用300条的面积来教你的NS?
阅读来自StatBars的文章。他们的信息量非常大。对于那些不知道的人来说,他们讨论了训练样本的可重复性和不一致性对待分类图像的复杂性的依赖性质。在" 作为脚本的神经网络"分支和https://forum.mql4.com/ru/8835/page2,人们根据离散二进制原则组织输出,这取决于 "教师 "的方向,形成一个矢量。(例如,三个输出1-0-0向上,0-1-0平坦,0-0-1向下)。另一个变体提出了一个输出,但它被分解成离散的值,根据以下标志
1.0 - 一天内上涨超过70点,下跌少于30点。
0.9 - 60 上 25 下
0.8 - 涨40点,跌20点
0.75 - 平坦
0.7 - 跌40点,涨20点
0.6 - 60 下 25 上
0.5 - 70下30上
但是,考虑到文章中所说的内容,对输出的最佳解释可能是这样的公式
目标=(Up-Dn)/(Up+Dn),其中Up是 "教师 "时期的向上运动高度,Dn是向下运动高度。在这种情况下,输出范围将是连续的,将在[-1,+1]的范围内,边界条件+1 - 强烈的上升运动,-1 - 强烈的下降运动,0 - 平坦。在这种情况下,如果我们引入一些变量Z,我们可以把输出分成以下三个部分。-1<-Z<+Z<+1,相对于变量Z,利润最大化。
也就是说,我们将尝试在输入向量和进一步的趋势关系之间构建一种关系。通过这种连续输出,我们将获得令人满意的非重复性和训练样本的一致性。
另一方面,我们仍然想知道不仅是趋势参数之间的关系,而且是未来价格的相对值。为此,我们引入变量TP、SL。在网格上,我们将根据公式Up-TP、Dn-TP、Up-SL、Dn-SL计算四个产出,即买入时Up-TP>0,Dn-SL<0;卖出时Dn-TP>0,Up-SL<0。利润最大化是相对于这些变量TP和SL而言的。
第三个网络决定了实现价格上限的速度。如果教师期=X条,达到Up=BU,Dn=BD的条数,那么网络输出必须等于BU-BD的比率,当在顶部之前达到底部时,(BU-BD)/X>0,在底部之前达到顶部时<0。这种情况下的利润最大化是相对于零的。
StatBars писал (а) >>
при каких значениях гиперболический тангенс входит в насыщение?
从图中你可以看到,从5-6的数值开始。
但我有另一个问题。哪个函数的计算速度更快,乙字形还是正切?
...
另一方面,我们仍然希望不仅知道趋势参数之间的关系,还希望知道未来价格的相对价值。为此,我们引入变量TP、SL
...
你去吧。你已经毁了一切。:)
`
见酸奶主题+我非常怀疑即使是 "未来价格的相对值"也可以预测!!概率高,即误差小。
以及为什么????- 毕竟,已经有了"进一步的趋势 比率"--即品尝--要么在 "持平 "时关闭,要么在信号改变时翻转"。
`
虽然,作为一个开始--实施第一部分,即回到"如何正确形成输入值"(其他一切--琐事) :(
虽然首先--实现第一部分,即回到"如何正确形成输入值"的主题(其他都是琐碎的):(
我完全同意。
我没有偏离主题。只是大声地想一想。比率=0.25可能既是40/100又是10/40,但我们会在第一种情况下获利,而不是在第二种情况下。一般来说,是否可以作为一种选择,根据级联原则(我不知道如何正确称呼它)建立一个网络:即几个网络,但下一个的输入是前一个的输出。一些委员会和卷积图的野生混合物变成了:))。虽然,我们会知道中间的产出(就像有一个chitel一样)。
以下是该计划
例如,输出是我上一篇文章中描述的那些。首先我们确定方向,然后是它的强度,然后是速度。
网络到底能不能正常运行? 还是不要搞得一团糟,走简单的步骤比较好?
这些函数很容易通过彼此来表达--线性的。所以没有太大的区别。公式。
tanh(x) = 2*sigmoid(2*x) - 1 = sigmoid(2*x) - sigmoid(-2*x)
一般来说,在密集的计算中,可能,sigmoid的计算本身必须以某种方式优化。网上有一些快速和准确的计算库。
从图中你可以看到,从5-6的数值开始。
但我有另一个问题。哪种函数的计算速度更快,西格玛和下切?
我认为klot 有正确的答案,你甚至可以在图片中看到它。sigmoid可以有更大范围的输入值。我想说从3到-3,但更可能是从pi到-pi。
关于目标--问题出现在运动前面的小节数量上...我的理解是,运动的高度将在一定的条数上选择。建议搜索100条的间隔,从进入点开始,当找到2个极值,每个极值离进入点至少有X个点时,搜索停止。将根据货币对和时间框架选择X点。
明天我将发布开幕式的感应器,并对未来进行展望。它清楚地表明,TP=80...100pt的交易持续了大约1500分钟,由此我们可以对不同的TFs得出适当的结论。但至于找到两个极值的X点上涨和X点下跌,我不这么认为。如果我们往下走,达到了X点,我们可能就不能往上走了。我对你的理解是否正确?