市场礼仪或雷区中的良好风度 - 页 20 1...131415161718192021222324252627...104 新评论 paralocus 2009.05.14 09:27 #191 Neutron >> : 给我一个提示,你在输入信号的关联性方面有什么问题。你在输入什么,以及你为什么认为有问题。毕竟,确定它不存在比解决它更容易 :-) 这不是问题,我是我的数学文盲。 你认为我和SP一样吗?你不会相信的!在事先将-/+1的范围划分为0.02的相等间隔后,在循环中,我跑遍了所有的BP,如果某一栏的BP值落在-0.98:+1的范围内,我就在这个 "口袋 "中扔下一个 "chatl"=0.01。为了使SP正常化,我将调查的BP乘以K系数>1。 以下是我的代码。 for(int i = limit; i >= 0; i--) { if(first) for(int k = 200; k >0; k--) Ind2[k] = 0.0; // Инициализация нулем first = false; //--------------------------------------------------- res = th(kf*(Close[i] - Close[i+1])/Close[i+1]); // Входной ВР Ind1[i] = res; //------------------------------------------------------- pos = -1.0; for(int j=200; j>0; j--) { if((res > pos) && (res < (pos+step))) // расчет МО { if( i > 2 ) {Ind2[j] = Ind2[j] + chatl;} break; } else {pos = pos + step;} } } 也就是说,我使用一个指标 "手动 "提取这个系数,然后在NS代码中作为常量插入。这是有效果的,但前提是输入的BP增量是在相等的时间段内进行的--例如在每个柱子或相等的N个柱子。但如果输入增量的时间间隔不等--例如,根据斐波那契数列--2,3,5,8......。......那么对于每一个这样的参照物,MO的归一化系数应该是不同的!总的来说,我的做法是高效的,但不是智能的-:) Market etiquette or good 自己写的代码~运行不了,求高手帮忙检查一下bug在哪里~ 想做一个另类的移动平均线指标(Moving Average),请大家高手指导。 Neutron 2009.05.14 09:52 #192 我明白了。 那么,NS输入的相关性是什么? paralocus 2009.05.14 10:06 #193 Neutron >> : 我明白了。 那么,NS输入的相关情况如何? 显然,这两者之间几乎没有任何关联。请看图表下面的指标。每条蓝线是其中一个输入。 令人惊讶的是,NS的表现非常好!它是一个非常好的例子。在 "锐化 "后的两个月,它正在以非常可接受的(27%)缩减量增长 paralocus 2009.05.14 12:09 #194 这是我想问的另一个问题。 网格的 输出神经元 没有FA,因为我们从中提取振幅,我们用它来衡量计划交易的成功概率,但它也没有被规范化。 是否需要对输出进行规范化处理?如果不是,我们如何评估所产生的概率,因为它通常在+/-1范围之外? Neutron 2009.05.14 13:02 #195 paralocus писал(а)>> 它似乎可以忽略不计或不存在。请看图表下面的指标。每条蓝线是其中一个输入。 令人惊讶的是,NS的工作效果非常好!在 "磨砺 "两个月后,它以非常可接受的(27%)缩减量增长。 所以不需要美白任何东西! 事实上,如果能得到两个选定的BP的成对相关系数的数字衡量,那就更好了。这就是一个通用的成对相关表的样子。 转到MQL,把两个相同长度的BP(X,Y)-n,得到一个范围为+/-1的输入数。只是做一个简单的猜测,按指数计算的相关系数达到+0.6 至于输出神经元,如果它的输出是用来估计一个事件的概率,就必须有一个非线性的FA作为输入。任何FA都可以做(这是严格证明的),所以把这个。 Сергей 2009.05.14 13:42 #196 Neutron >> : ... 我不明白,你是如何定义n?????? 的值的? Сергей 2009.05.14 13:51 #197 我认为这更简单、更清晰 :o)。 在这种情况下,创建一个循环没有多大意义,从时间上来说,求和运算符会做同样的工作。 PS 另外,这根本不是 "FAC",意思有点不同。 paralocus 2009.05.14 13:53 #198 Neutron >> : 至于输出神经元,如果你用它的输出来估计一个事件的概率,你需要有一个非线性的FA作为输入。任何一个人都可以(这是经过严格证明的),所以把这个。 这就是我的工作。然而,我通过th() -:)双关语拥有一切。 按照你的解释做了一切。 1.所有的神经元都有一个单一的输入(+1)(这当然不包括其他的数据输入)。 2.在除最后一个神经元外的所有输出端,输出FA是非线性的--我使用th(x) 现在,如果我想在输出上得到一个概率,这个输出应该在+/-1以内(据我理解)。现在我们来看看这最后一个输出是如何形成的。 如果我们考虑到OUT1-OUT3是上一层神经元的正切输出,取值范围为-/+1,W1-W4是它们的权重,取值范围为-/+1,那么输出神经元的振幅就在-/+4之内。好的,但是如果你考虑到权重可以在很大的范围内变化--正如你所说的+/-20是标准--那么输出网格的振幅范围就会在地平线上消失。 问题。 1.如何在这种条件下估计交易概率? 2.你是否需要对输出信号进行归一化处理,如果需要,用什么处理? 关于MathLab的输出 - 不幸的是,对我来说,这是一个黑暗的森林......MathLab本身也是如此。 你几个帖子前告诉我的很多东西我还没明白,但我在脑子里捣鼓了一个半小时。 而且,请原谅我的打扰,但我对ORO算法的疑问仍然远远多于答案。 对于美白,似乎很清楚--一切都很有效。 我了解这个架构。 纪元和最佳采样几乎是明确的。 我曾试图计算你的 "漂亮方案 "的最佳样本量,结果是这样的。 输入的数量 - 4 突触的数量 - 4*6 + 3*3 + 4 = 37 4的系数。 P = k*w*w/d = 4*37*37/4 = 1369 ....而它应该是1500。 问题:单一输入的突触是否要计算?我数了数。 Neutron 2009.05.14 15:11 #199 grasn писал(а)>> 我不明白,你是如何确定n?????? 的值的? 从外面看。 嗨,谢尔盖! 你有五个独立的周期,而我只有一个!哪一个更好,是看起来优雅,还是总是那样? paralocus 写道 >> 问题。 1.在这些条件下,你如何估计交易的概率? 2.是否有必要对输出信号进行归一化处理,如果有必要,用什么处理? 将th()放在最后一个神经元的输出上--你的所有问题都会消失而且它不会使训练网眼变得更难。 我曾试图计算你的 "漂亮方案 "的最佳样本量,结果是这样的。 输入的数量 - 4 突触的数量 - 4*6 + 3*3 + 4 = 37 因素 - 4 P = k*w*w/d = 4*37*37/4 = 1369 ....而它应该是1500。 问题:单一输入的突触需要计算吗?我愿意。 我们来计算每个成员的最佳训练向量长度。由于我们所有的成员都有相同的架构,所以我们为一个人找到。 1.输入的数量d=3+1=4。 2.突触的数量w=2*4+3+1=12 训练向量的最佳长度P=4*w*w/d=4*12*12/4=144 因此,为了训练网络委员会,我们需要三个训练向量(委员会成员的数量),每个向量的长度为144。如果你,paralocus,认为这个值很小,把隐藏层中的神经元数量从2个增加到4个或8个,你就会一下子得到500或2000个样本!记住,你应该在每个样本中训练所有这些东西。 Сергей 2009.05.14 15:23 #200 Neutron писал(а)>> 从外面看。 你好,Sergei! 你有五个独立的周期,而我只有一个!什么更好--看起来很优雅,还是永远这样? 我猜到了 :o) 当我在创作时--我需要看起来像个艺术家!但当我在编码时......。 :о))) PS:Serega,在MathCAD中它几乎是单开的,但在C++/FORTRAN中...将是不同的,但在MathCAD中--说句不好听的,不是(对于这个特定的案例)。如果你使用平均数,它的计算速度会更快,如果你使用corr,例如,你的 "快速 "算法会龟缩 :o)。他们是如何做到的,我不知道,但至于 "求和 "运算符--它比循环快得多。如果你没有那样做--那么就放一个新版本。 1...131415161718192021222324252627...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
给我一个提示,你在输入信号的关联性方面有什么问题。你在输入什么,以及你为什么认为有问题。毕竟,确定它不存在比解决它更容易 :-)
这不是问题,我是我的数学文盲。
你认为我和SP一样吗?你不会相信的!在事先将-/+1的范围划分为0.02的相等间隔后,在循环中,我跑遍了所有的BP,如果某一栏的BP值落在-0.98:+1的范围内,我就在这个 "口袋 "中扔下一个 "chatl"=0.01。为了使SP正常化,我将调查的BP乘以K系数>1。
以下是我的代码。
{
if(first)
for(int k = 200; k >0; k--)
Ind2[k] = 0.0; // Инициализация нулем
first = false;
//---------------------------------------------------
res = th(kf*(Close[i] - Close[i+1])/Close[i+1]); // Входной ВР
Ind1[i] = res;
//-------------------------------------------------------
pos = -1.0;
for(int j=200; j>0; j--)
{
if((res > pos) && (res < (pos+step))) // расчет МО
{
if( i > 2 )
{Ind2[j] = Ind2[j] + chatl;}
break;
}
else
{pos = pos + step;}
}
}
也就是说,我使用一个指标 "手动 "提取这个系数,然后在NS代码中作为常量插入。这是有效果的,但前提是输入的BP增量是在相等的时间段内进行的--例如在每个柱子或相等的N个柱子。但如果输入增量的时间间隔不等--例如,根据斐波那契数列--2,3,5,8......。......那么对于每一个这样的参照物,MO的归一化系数应该是不同的!总的来说,我的做法是高效的,但不是智能的-:)
我明白了。
那么,NS输入的相关性是什么?
我明白了。
那么,NS输入的相关情况如何?
显然,这两者之间几乎没有任何关联。请看图表下面的指标。每条蓝线是其中一个输入。
令人惊讶的是,NS的表现非常好!它是一个非常好的例子。在 "锐化 "后的两个月,它正在以非常可接受的(27%)缩减量增长
这是我想问的另一个问题。
网格的 输出神经元 没有FA,因为我们从中提取振幅,我们用它来衡量计划交易的成功概率,但它也没有被规范化。
是否需要对输出进行规范化处理?如果不是,我们如何评估所产生的概率,因为它通常在+/-1范围之外?
它似乎可以忽略不计或不存在。请看图表下面的指标。每条蓝线是其中一个输入。
令人惊讶的是,NS的工作效果非常好!在 "磨砺 "两个月后,它以非常可接受的(27%)缩减量增长。
所以不需要美白任何东西!
事实上,如果能得到两个选定的BP的成对相关系数的数字衡量,那就更好了。这就是一个通用的成对相关表的样子。
转到MQL,把两个相同长度的BP(X,Y)-n,得到一个范围为+/-1的输入数。只是做一个简单的猜测,按指数计算的相关系数达到+0.6
至于输出神经元,如果它的输出是用来估计一个事件的概率,就必须有一个非线性的FA作为输入。任何FA都可以做(这是严格证明的),所以把这个。
...
我不明白,你是如何定义n?????? 的值的?
我认为这更简单、更清晰 :o)。
在这种情况下,创建一个循环没有多大意义,从时间上来说,求和运算符会做同样的工作。
PS 另外,这根本不是 "FAC",意思有点不同。
至于输出神经元,如果你用它的输出来估计一个事件的概率,你需要有一个非线性的FA作为输入。任何一个人都可以(这是经过严格证明的),所以把这个。
这就是我的工作。然而,我通过th() -:)双关语拥有一切。
按照你的解释做了一切。
1.所有的神经元都有一个单一的输入(+1)(这当然不包括其他的数据输入)。
2.在除最后一个神经元外的所有输出端,输出FA是非线性的--我使用th(x)
现在,如果我想在输出上得到一个概率,这个输出应该在+/-1以内(据我理解)。现在我们来看看这最后一个输出是如何形成的。
如果我们考虑到OUT1-OUT3是上一层神经元的正切输出,取值范围为-/+1,W1-W4是它们的权重,取值范围为-/+1,那么输出神经元的振幅就在-/+4之内。好的,但是如果你考虑到权重可以在很大的范围内变化--正如你所说的+/-20是标准--那么输出网格的振幅范围就会在地平线上消失。
问题。
1.如何在这种条件下估计交易概率?
2.你是否需要对输出信号进行归一化处理,如果需要,用什么处理?
关于MathLab的输出 - 不幸的是,对我来说,这是一个黑暗的森林......MathLab本身也是如此。
你几个帖子前告诉我的很多东西我还没明白,但我在脑子里捣鼓了一个半小时。
而且,请原谅我的打扰,但我对ORO算法的疑问仍然远远多于答案。
对于美白,似乎很清楚--一切都很有效。
我了解这个架构。
纪元和最佳采样几乎是明确的。
我曾试图计算你的 "漂亮方案 "的最佳样本量,结果是这样的。
输入的数量 - 4
突触的数量 - 4*6 + 3*3 + 4 = 37
4的系数。
P = k*w*w/d = 4*37*37/4 = 1369 ....而它应该是1500。
问题:单一输入的突触是否要计算?我数了数。
我不明白,你是如何确定n?????? 的值的?
从外面看。
嗨,谢尔盖!
你有五个独立的周期,而我只有一个!哪一个更好,是看起来优雅,还是总是那样?
paralocus 写道 >>
问题。
1.在这些条件下,你如何估计交易的概率?
2.是否有必要对输出信号进行归一化处理,如果有必要,用什么处理?
将th()放在最后一个神经元的输出上--你的所有问题都会消失而且它不会使训练网眼变得更难。
我曾试图计算你的 "漂亮方案 "的最佳样本量,结果是这样的。
输入的数量 - 4
突触的数量 - 4*6 + 3*3 + 4 = 37
因素 - 4
P = k*w*w/d = 4*37*37/4 = 1369 ....而它应该是1500。
问题:单一输入的突触需要计算吗?我愿意。
我们来计算每个成员的最佳训练向量长度。由于我们所有的成员都有相同的架构,所以我们为一个人找到。
1.输入的数量d=3+1=4。
2.突触的数量w=2*4+3+1=12
训练向量的最佳长度P=4*w*w/d=4*12*12/4=144
因此,为了训练网络委员会,我们需要三个训练向量(委员会成员的数量),每个向量的长度为144。如果你,paralocus,认为这个值很小,把隐藏层中的神经元数量从2个增加到4个或8个,你就会一下子得到500或2000个样本!记住,你应该在每个样本中训练所有这些东西。
从外面看。
你好,Sergei!
你有五个独立的周期,而我只有一个!什么更好--看起来很优雅,还是永远这样?
我猜到了 :o)
当我在创作时--我需要看起来像个艺术家!但当我在编码时......。 :о)))
PS:Serega,在MathCAD中它几乎是单开的,但在C++/FORTRAN中...将是不同的,但在MathCAD中--说句不好听的,不是(对于这个特定的案例)。如果你使用平均数,它的计算速度会更快,如果你使用corr,例如,你的 "快速 "算法会龟缩 :o)。他们是如何做到的,我不知道,但至于 "求和 "运算符--它比循环快得多。如果你没有那样做--那么就放一个新版本。