市场礼仪或雷区中的良好风度 - 页 17 1...101112131415161718192021222324...104 新评论 paralocus 2009.05.09 18:35 #161 Neutron >> : 当我在写帖子时记住了执行的细节，有一些不准确的地方。 我看了看代码，原来我是在切换到新的预测时影响了一次权重上的FA，也就是说，不是每一个epoch，而是在新的数据进来时有必要重新训练网络。 还有一件事。权重的校正是由FA导数和神经元输出（振幅，考虑到符号）的误差的乘积，信号是从该神经元输入的。 下面是一个具有非线性输出的perseptron的情况（例如）。 这里的历时是用索引L来编号的。我特意在MathCad中显示，这样更清楚。In--输入的数量，x--输入矢量。其余的似乎都很清楚。 我想，如何使用BUY/SELL作为输入向量？ 例如，我们采取三或四个指标，最好是相关的指标，把它们放在输入端，并在价格图上标记一些东西--如 "在此买入"、"在此卖出"......但我们应该如何做？另一个问题：如果我们在网格输入上用步骤2标记200个值之间的差异（在每个条上），它能在那里找到什么吗？ [删除] 2009.05.09 18:38 #162 paralocus >> : 我想知道如何将 "买"/"卖 "作为输入？ 例如，我们采取三或四个指数，最好是相关性差的，将它们设置在输入端，并以某种方式标记价格图表--如 "在此买入"、"在此卖出"......但如何做到这一点？另一个问题：如果我们想用步骤2输入200个值之间的差异（每个条形图）的网格，它能找到什么吗？ 哦，这个叫做梯度法的优化的东西很复杂。我的意思是，算法的实现不是很复杂，但在学习上可能会有一些大问题。 [删除] 2009.05.09 19:26 #163 我不理解你们这些先生。你试图根据猜测而不是具体的分析来做一个TS。这个公式在原则上给人以希望和信心，但我不记得Ezhov的NEURONICS可以用CHAOS方法工作。正是CHAOS。众所周知，市场没有线性依赖，唯一适用于它的是量子物理学，但要打败这个系统太难了，编码员在这方面的知识太少了。我看了申请人提出的公式，并将其与普通的随机数进行了比较，它没有很大的区别。感觉就像系统在玩游戏------切克-布里克斯...Neuronics没有能力处理非线性问题，特别是在三个层次上。好吧，在100000级和每级1000个神经元的情况下，你仍然可以预测......比如天气预报、视觉分析，但到哪里去找这样一台计算机，或者说是一堆防火墙......？现在TC所展示的都是纯粹的主观分析。只需要对经济进行一次良好的冲击，就可以结束了。我们已经受够了这样的冲击......我们在过去两个月里看到了300点的蜡烛图。因此，最好是将SUBOMEGAMOUS大脑的思想转为量子分析。例子--只要把一个正常的图表分解成一个量子图表（即不是实时的，而是量子时间的），你就已经可以看到回归和依赖了。通过使用混沌理论可以避免尖锐的角度，根据该理论，即使是最混乱的粒子运动也可以组合成一个系统，但在不同的时间（即在量子物理学的基础上，系统被定义在不同的时间范围，即不是实时，而是量子时间）。而在那里，它足以将量子时间转化为实时时间，并获得期待已久的SELL BUY。 [删除] 2009.05.09 19:39 #164 Hoper23 >> : 我知道现在是假期，但不要把它放在你的胸口上那么难受:) paralocus 2009.05.09 21:17 #165 Hoper23 >> : 我不理解你们这些先生。 因此，最好是将SUBOMEGAMOUS大脑的思想转为量子分析。例子--只要把一个普通的图分解成一个量子图（即不是实时的，而是量子时间的），我们就已经可以看到回归和依赖了。通过使用混沌理论可以避免尖锐的角度，根据该理论，即使是最混乱的粒子运动也可以组合成一个系统，但在不同的时间（即在量子物理学的基础上，系统被定义在不同的时间范围，即不是实时，而是量子时间）。而你只需要将量子时间转化为实时时间，并获得期待已久的SELL BUY。 >> 我加入了! 我记得在一个主题中，一个叫Prival的人让同胞们猜测控制市场的数字......。我知道那是恒定的木板。这正是一个可怜的交易者在外汇栏下跌的时候所需要的...在DC服务器上出现了海森堡不确定性，只有通过多普勒效应才能猜出存款的轨迹......开玩笑 -:) Neutron 2009.05.10 06:47 #166 paralocus писал(а)>> 我加入! ......我当时就知道那是恒定的木板。只是可怜的交易员在外汇板块下跌的一小时内错过了什么...和海森堡不确定性设置在DC服务器上，只有多普勒效应可以提示存款的轨迹......笑话 -:) +5 这就对了，paralocus，去他们的，蒙昧者。另外，我忘了提到扭转场。头痛的强项--它使市场转了一圈又一圈。 paralocus 2009.05.10 08:36 #167 Neutron >> : 顺便说一句! 在那 篇文章中，感知器正是在搜索买入/卖出情况。只是我在过渡到ORO的过程中，有一些语义上的不一致。 也就是说，网格输入是一个集群的火鸡...为什么会在那里？它在那里定义进入市场的时刻：指标的OUT高于零--买入，低于零--卖出。 事情是这样的，早期的老师是一个遗传学家，他根据感知器在训练样本上工作的结果（在测试器中）来纠正权重。遗传学家使用了专家顾问的盈利能力，其中买入/卖出的信号是使用感知器的OUT生成的。因此，一切都在正常工作，以便在历史的培训部分获得最大利润。也就是说，通过放弃遗传学家，我放弃了老师的网格。事实上，我现在才对它有了具体的认识。记得吗，我一开始就问过你，我们是否可以用交易中获得的损失价值作为修正剂？这就是我们需要做的。 paralocus 2009.05.10 10:01 #168 中子，我还想问一下赫伯的 训练情况（由沃瑟曼读）。看来，那里的权重校正公式非常简单。 Wij(t+1) = Wij(t) + [OUTi(t) - OUTi(t-1)]*[OUTj(t) - OUTj(t-1)]，没有梯度下降。这能行吗？ Neutron 2009.05.10 11:59 #169 我还没有用Hebb-m 搞过。我已经受够了我所拥有的一切。总的来说，我是一个支持尽可能简化问题的人，实际上是简化到水平，直到我自己开始理解什么是什么:-)从这个角度来看，通常的两层NS是一个通用的近似器，能够解决几乎所有的输入数据的外推问题，这一点已被严格证明。那么，如果我有足够的手段和权力在我的每一笔交易上重新训练这个神奇而简单的网格，为什么要有这么多的花哨？这就对了，没有理由!至于瓦瑟曼，如果他说这是正确的，那就是正确的！他说："我不知道。当然会有效果。 你现在解决的是最佳NS输入的问题。当然，你可以直接用各种诱导剂来喂养它，希望电网能决定什么对它更好......。但最好是思考 "市场上最佳的TS是什么？也许你应该预测它的时刻？ 阅读这部作品。当然，也有一些小毛病，但它们不是根本性的。 附加的文件： ljynjihph.zip 1597 kb paralocus 2009.05.10 12:05 #170 Neutron >> : 我还没有用Hebb-m搞过。我已经受够了我所拥有的一切。总的来说，我是一个支持尽可能简化问题的人，实际上是简化到水平，直到我自己开始理解什么是什么:-)从这个角度来看，通常的两层NS是一个通用的近似器，能够解决几乎所有的输入数据的外推问题，这一点已被严格证明。那么，如果我有足够的手段和权力在我的每一笔交易上重新训练这个神奇而简单的网格，为什么要有这么多的花哨？这就对了，没有理由!至于瓦瑟曼，如果他说这是正确的，那就是正确的！他说："我不知道。当然会有效果。 你现在解决的是最佳NS输入的问题。当然，你可以直接用各种诱导剂来喂养它，希望电网能决定什么对它更好......。但最好是思考 "市场上最佳的TS是什么？也许你应该预测它的时刻？ 阅读这部作品。当然也有一些小毛病，但它们不是本金。 是的，谢谢你，我现在正在读，我真的被卡住了。 1...101112131415161718192021222324...104 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
当我在写帖子时记住了执行的细节，有一些不准确的地方。
我看了看代码，原来我是在切换到新的预测时影响了一次权重上的FA，也就是说，不是每一个epoch，而是在新的数据进来时有必要重新训练网络。
还有一件事。权重的校正是由FA导数和神经元输出（振幅，考虑到符号）的误差的乘积，信号是从该神经元输入的。
下面是一个具有非线性输出的perseptron的情况（例如）。
这里的历时是用索引L来编号的。我特意在MathCad中显示，这样更清楚。In--输入的数量，x--输入矢量。其余的似乎都很清楚。
我想，如何使用BUY/SELL作为输入向量？
例如，我们采取三或四个指标，最好是相关的指标，把它们放在输入端，并在价格图上标记一些东西--如 "在此买入"、"在此卖出"......但我们应该如何做？另一个问题：如果我们在网格输入上用步骤2标记200个值之间的差异（在每个条上），它能在那里找到什么吗？
我想知道如何将 "买"/"卖 "作为输入？
例如，我们采取三或四个指数，最好是相关性差的，将它们设置在输入端，并以某种方式标记价格图表--如 "在此买入"、"在此卖出"......但如何做到这一点？另一个问题：如果我们想用步骤2输入200个值之间的差异（每个条形图）的网格，它能找到什么吗？
哦，这个叫做梯度法的优化的东西很复杂。我的意思是，算法的实现不是很复杂，但在学习上可能会有一些大问题。
我知道现在是假期，但不要把它放在你的胸口上那么难受:)
我不理解你们这些先生。
因此，最好是将SUBOMEGAMOUS大脑的思想转为量子分析。例子--只要把一个普通的图分解成一个量子图（即不是实时的，而是量子时间的），我们就已经可以看到回归和依赖了。通过使用混沌理论可以避免尖锐的角度，根据该理论，即使是最混乱的粒子运动也可以组合成一个系统，但在不同的时间（即在量子物理学的基础上，系统被定义在不同的时间范围，即不是实时，而是量子时间）。而你只需要将量子时间转化为实时时间，并获得期待已久的SELL BUY。
>> 我加入了!
我记得在一个主题中，一个叫Prival的人让同胞们猜测控制市场的数字......。我知道那是恒定的木板。这正是一个可怜的交易者在外汇栏下跌的时候所需要的...在DC服务器上出现了海森堡不确定性，只有通过多普勒效应才能猜出存款的轨迹......开玩笑 -:)
我加入!
......我当时就知道那是恒定的木板。只是可怜的交易员在外汇板块下跌的一小时内错过了什么...和海森堡不确定性设置在DC服务器上，只有多普勒效应可以提示存款的轨迹......笑话 -:)
+5
这就对了，paralocus，去他们的，蒙昧者。另外，我忘了提到扭转场。头痛的强项--它使市场转了一圈又一圈。
顺便说一句!
在那 篇文章中，感知器正是在搜索买入/卖出情况。只是我在过渡到ORO的过程中，有一些语义上的不一致。
也就是说，网格输入是一个集群的火鸡...为什么会在那里？它在那里定义进入市场的时刻：指标的OUT高于零--买入，低于零--卖出。
事情是这样的，早期的老师是一个遗传学家，他根据感知器在训练样本上工作的结果（在测试器中）来纠正权重。遗传学家使用了专家顾问的盈利能力，其中买入/卖出的信号是使用感知器的OUT生成的。因此，一切都在正常工作，以便在历史的培训部分获得最大利润。也就是说，通过放弃遗传学家，我放弃了老师的网格。事实上，我现在才对它有了具体的认识。记得吗，我一开始就问过你，我们是否可以用交易中获得的损失价值作为修正剂？这就是我们需要做的。
中子，我还想问一下赫伯的 训练情况（由沃瑟曼读）。看来，那里的权重校正公式非常简单。
Wij(t+1) = Wij(t) + [OUTi(t) - OUTi(t-1)]*[OUTj(t) - OUTj(t-1)]，没有梯度下降。这能行吗？
我还没有用Hebb-m 搞过。我已经受够了我所拥有的一切。总的来说，我是一个支持尽可能简化问题的人，实际上是简化到水平，直到我自己开始理解什么是什么:-)从这个角度来看，通常的两层NS是一个通用的近似器，能够解决几乎所有的输入数据的外推问题，这一点已被严格证明。那么，如果我有足够的手段和权力在我的每一笔交易上重新训练这个神奇而简单的网格，为什么要有这么多的花哨？这就对了，没有理由!至于瓦瑟曼，如果他说这是正确的，那就是正确的！他说："我不知道。当然会有效果。
你现在解决的是最佳NS输入的问题。当然，你可以直接用各种诱导剂来喂养它，希望电网能决定什么对它更好......。但最好是思考 "市场上最佳的TS是什么？也许你应该预测它的时刻？
阅读这部作品。当然，也有一些小毛病，但它们不是根本性的。
我还没有用Hebb-m搞过。我已经受够了我所拥有的一切。总的来说，我是一个支持尽可能简化问题的人，实际上是简化到水平，直到我自己开始理解什么是什么:-)从这个角度来看，通常的两层NS是一个通用的近似器，能够解决几乎所有的输入数据的外推问题，这一点已被严格证明。那么，如果我有足够的手段和权力在我的每一笔交易上重新训练这个神奇而简单的网格，为什么要有这么多的花哨？这就对了，没有理由!至于瓦瑟曼，如果他说这是正确的，那就是正确的！他说："我不知道。当然会有效果。
你现在解决的是最佳NS输入的问题。当然，你可以直接用各种诱导剂来喂养它，希望电网能决定什么对它更好......。但最好是思考 "市场上最佳的TS是什么？也许你应该预测它的时刻？
阅读这部作品。当然也有一些小毛病，但它们不是本金。
是的，谢谢你，我现在正在读，我真的被卡住了。