externint _grosserPeriod =PERIOD_H1;externint _lesserPeriod =PERIOD_M5;externint _bars =100000;int lesser2grosser(int sh ){int dt =iTime(NULL, _lesserPeriod, sh );return(iBarShift(NULL, _grosserPeriod, dt,false));}double len(int from,int period ){double sum =0;for(int i =0; i < from; i ++)
sum +=MathAbs(iClose(NULL, period, i )-iClose(NULL, period, i +1));return( sum );}int start(){double ratio = len( _bars, _lesserPeriod )/ len( lesser2grosser( _bars ), _grosserPeriod );double ratioSquared = ratio * ratio;int periodsRatio = _grosserPeriod / _lesserPeriod;double one = ratioSquared / periodsRatio;Print("one equals "+ one );return(0);}//+------------------------------------------------------------------+
你可以，但这并不方便，因为以后每次调用Comment()都会 "堵塞 "之前的输出结果，因为它将使用与之前相同的图形坐标来执行。这就是为什么Print()会更好。
焦点，安装MATKAD，不要去管界面。调试网格并在你的MKL中实现它。
你会节省很多时间，甚至适应新环境。
昨天刚买的。我现在正在安装它，因为好的MQL真的让我很困惑！"。
但从刻度转储来看，网格在3个历时中学习，似乎没有故障。
------------------------------------------------------------------------------------------------------------------------
倾倒秤
------------------------------------------------------------------------------------------------------------------------
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 |-0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.17062009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 | -0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 | -0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 | -0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 | -0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 | -0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 | -0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456 | 7.3647 | 1.1477 | 0.1959 | 0.197 | -0.1281 | -0.8441 | -0.4209 | -0.1956 | -0.044 | 0.0458 | 0.7074 | -0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1 | 6.0564 | 1.1419 | 0.1999 | 0.2118 | -0.11 | -0.821 | -0.4656 | -0.1458 | -0.037 | 0.0564 | 0.7267 - -0.1584
2009.05.22 18:17:48 Nero AUDUSD,M30: W : 0.1164 | 3.5091 | 1.2495 | 0.3147 | 0.3362 | 0.0168 | -0.6902 | -0.8039 | -0.0126 | 0.0312 | 0.1206 | 0.8339 | -0.0615
就这样吧!Matcad已经安装完毕。我将在这个周末了解它。
中子，"......但它却在旋转！"单层的工作，学习。只是我试图在M30上提出来，而那里--你知道 "模式 "是什么。
但在H4上--看看它做了什么。而且，有趣的是，要注意输入的数量和 epochs 的数量。
这里D=7，24个历时。
而这里D=5，也是24个纪元。
不，Petya把院子里的所有灌木都拔了 - 他被要求找到平方根:-)
而瓦西里-伊万诺维奇正在磨他的跳棋--他被要求用一个单数除以一个多数......。
就这样吧!Matcad已经安装完毕。我将在这个周末结识。
中子，"......但它却在旋转！" 。这是一个单层，它是学习。我只是想在M30上提出来，但你知道那里有什么 "规律"。
但在H4上--看看它做了什么。而有趣的是，要注意条目的数量和纪元的数量。
这里D=7，24个历时。
而这里D=5，也是24个纪元。
恭喜你成功了
实际上，你在M30上不应该有任何噪音...如果这个想法可行，那么它在M5上也会可行。还有一个问题，用M5的结果不是比用H4的结果总的来说要高吗？最近我在比较H1和M5（见上面的主题）--在M5，我在同样的10.000条上收集了H1的一半以上的数据。而时间因素，如你所知，是12...
我从未设法在M1上获得合理的结果。
我最近比较了H1和M5（见上面的主题）--在M5上，我在同样的10,000条上收集到的信息比H1上的一半还多。而时间因素，如你所知，是12...
关于 "曲线比率 "等于12，我有很大的疑问：比较这些TF上的Close曲线的 "长度"。在模型实验之前，我认为它们应该相差大约sqrt( 12 )的系数。原则上，它们大致如此，但仍有差异（特别是如果时期非常不同）。赫斯特公司在这里一定做了一些挖掘工作。以下是代码（_bars - 一个浅层时期的历史条数）。
嗨， Alexey，我不知道你在说什么曲线？如果你不介意的话，请解释一下。
顺便问一下，你的纤维做得怎么样了？
对YDzh 来说，我根本就不喜欢时间框架......一点也不。我之所以使用它们，只是因为在我这个知识和技能水平上，这种罪恶对我来说是不可避免的。然而，我有我的实验结果。
我的网格只有两个外部参数--输入数和学习纪元数。网格是单层的，自学的，并在一系列从OPEN 开始的第一次差异上工作。因此，由于怀疑，正如中子 所说，"我的女朋友 "对这两个参数的叠加强烈上瘾，我昨天把它插入优化器看了一下......
优化器绞尽脑汁想了大约一个小时，只给了我8个结果!不难看出他们中最好的一个。但是没有TF30的结果。也就是说，（在一百个以内）没有这样数量的输入（对于这个网格）和这样数量的训练历时，不会让这个网格失败。因此，"......在M5上是否会比在H4上更好 "的反问应该在相对论的背景下考虑--即对谁（什么）......。会不会是？对我的电网来说，它不会--肯定不会，但对你的电网来说，它可能是最好的...。
我目前正在为我的2层楼做统计工作。事实证明，在商数上，如果权重从一个纪元保持到另一个纪元，NS仍然能更好地确定预期运动的符号。根据实验结果，结果是大约20%对23%的正确猜测。当然，差别不大，但考虑到这一比例高达4度的TS利润率......。- 是很有价值的。如果通过w=g*th(w)来传递历时的权重，其中g 是0.005而不是1的系数，那么这种影响就变得很明显。
如果历时的权重通过g*th()传递，效果会变得很明显，其中g是一个0.005的系数。
我的直觉告诉我，重量的变化有相当大的 "限度"......。但我没有足够的知识来正确制定它。也就是说，我知道在这个 "地方"，权重并不像（某个特定神经元的）权重在数轴上的相对位置那么重要，如果这能以某种方式被探测到的话......那么，如果成功的话，我们可以断言，如果具有D输入的单元神经元原则上是可训练的（在给定的向量上），它可以在-/+1，或+/-U的重量范围内进行最佳训练，其中U=F(D)。然后，一个完全不同的、"生物 "的学习范式就可能出现了。我对此的直觉猜测部分地被你对g*th()的使用结果所证实。事实上，从一个时代到另一个时代，你把所有的权重都归结为某个经验值的档次，不允许它们在数轴的广阔范围内散开。