市场礼仪或雷区中的良好风度 - 页 89 1...828384858687888990919293949596...104 新评论 Neutron 2009.07.05 01:45 #881 paralocus писал(а)>> 我认为训练样本长度不能只是网络配置(输入数和神经元数)的函数,也许应该考虑我们要训练网络的一些行的特性。 如果BP是非平稳的,这是有可能的,而修正将由非平稳的性质决定。然而,我们离校正还很远--我们不知道样本长度对权重数量和NS输入维度的依赖类型。直观地说,我认为一般的观点会是这样的: P=4*w,这对任何NS的架构都是真实的。 费多尔,你对我在二进制BP预测问题上的 "顿悟 "有什么看法?毕竟,对于BP的这种特殊情况,我们可以像NS一样有效地使用统计分析作为预测引擎,在流程资源密集度方面彻底松开手。我相信这是一个突破。在 "误解 "交易者花费时间和精力来训练具有自适应架构的五层NS的地方,他们所需要的只是收集统计数据,而不是蠕动(正如列宁所说)。 Hide 2009.07.05 09:06 #882 与机器人的战争或对神经网络的言辞 "股票分析入门"("股票分析的哲学")音频课程的材料 paralocus 2009.07.05 11:30 #883 Neutron >> : 如果BP是非平稳的,这是有可能的,而修正将由非平稳的性质决定。然而,我们离校正还很远--样本长度对权重数量和NS输入维度的依赖类型还不知道。直观地说,我认为一般的观点会是这样的:P=4*w,这对任何NS的架构都是真实的。 费多尔,你对我在二进制BP预测问题上的 "顿悟 "有什么看法?毕竟,对于BP的这种特殊情况,我们可以像NS一样有效地使用统计分析作为预测引擎,在流程资源密集度方面彻底松开手。我相信这是一个突破。在 "误解 "交易者花费时间和精力来训练具有自适应架构的五层NS的地方,他们所需要的只是收集统计数据,而不是蠕动(正如列宁所说)。 我告诉你,谢尔盖,它看起来不止是诱人的。现在我已经退出了网络,因为我正忙于处理滴答声,到目前为止已经避免在带有二进制输入的网格上彻底使用专家顾问。但现在我有一些空闲时间,所以我打算回到网格的实验中去,包括二进制输入。如果你能做到完全不使用网格...这真的是一个突破。我记得Prival,而且不仅仅是Prival,提出了建立模式数据库的想法。 如果一个统计模型允许创建这样的数据库,那么专家顾问就会变得幼稚简单,但却成熟有效。顺便说一句,也许我们根本就不应该远离网格,网格应该只是改变它的任务--而不是预测下一份报告,它可以处理模式识别--我认为这个任务更有视角,而且非常适合模糊逻辑系统。你怎么看? Михаил 2009.07.05 13:53 #884 Neutron писал(а)>> ......把统计分析作为一种预测机器,这将使我们在资源密集型的过程中大大解放双手。我认为这是一个突破... 为什么不使用。 - 大会规则或 - Cohonnen? 他们给予了非常大的概率和支持。 [删除] 2009.07.05 15:17 #885 这就是精神!好久没来这里了。它已经有90页了)。当你们也能做出网格时,真是不可思议)。 Neutron 2009.07.05 17:29 #886 M1kha1l писал(а)>> 为什么不使用。 - 大会规则或 - Cohonnen? 他们给予了非常大的概率和支持。 为什么? 毕竟,在二进制输入数据的情况下,这项工作也可以通过统计分析模式来解决。自己判断 - 没有培训和寻找最佳架构的麻烦。正如paralocus 正确指出的那样,"专家顾问将是幼稚的简单但成熟的高效"! paralocus 2009.07.06 09:59 #887 在着手进行二进制输入的实验后,有一个问题。我已经问过一次了,但我还是要重复一遍。 如果我用第一个PT差分系列的符号来输入,那么我应该准确预测下一个增量的enak......。 下面是我的单层代码(到目前为止已经开始使用了),这个代码将振幅而不是符号作为网格输出的误差,尽管在OUT计算本身中使用的是符号。这是否正确?误差不应该也是一个符号,或者至少(当然,与薄端无关......)一个足以在输出端获得适当符号的振幅吗? Vladimir Gomonov 2009.07.06 11:51 #888 paralocus писал(а)>> 我告诉你,谢尔盖,它看起来不止是诱人的。现在,我已经在某种程度上与网格本身保持了距离,因为我占用了ticks,到目前为止,我已经避免了带有二进制输入的网格上的基本专家顾问。但现在我有一些空闲时间,所以我打算回到网格的实验中去,包括二进制输入。如果你能做到完全不使用网格...这真的是一个突破。我记得Prival,而且不仅仅是Prival,提出了建立模式数据库的想法。如果一个统计模型允许创建这样的数据库,那么专家顾问就会变得幼稚简单,但却成熟有效。顺便说一句,也许我们根本就不应该远离网格,网格应该只是改变它的任务--而不是预测下一份报告,它可以处理模式识别--我认为这个任务更有视角,而且非常适合模糊逻辑系统。你怎么看? 我很惊奇:) 你们是有点聪明的家伙,但看了半天。 在这个方案中,专家的输入必须是具有模式统计的同一数据库。那么,你打算在那里放多少个图案? 所有的人? 好运......。:) 如果不是全部--到底有多少呢? 而这项任务怎么会比国家安全局容易呢? 专家最后肯定会很快。 只是你必须从数据库中给它提供 "真理",顺便说一下,这些真理在测试时并不是真的。 没有模糊将有助于从过去的垃圾桶中提取未来的果酱(DB)。 // 瓦普切塔,说实话--我查过了。大约一年半前。 // 只是方案更加优雅。经过一些仔细和创造性的思考,我想出了以下方法:如果在某一时刻,我//必须对一项专利做出决定,我就不能做。 // 我需要对我拥有的一个现在时态的模式做出决定,我不需要一个具有以下特征的Gigabase //一个有一堆无关紧要的图案的Gigabase? 我把现在的模式从炉子里拿出来,然后回溯到历史。 //边走边收集统计数据。 收集之后,我立即使用它。 问题的维度以x^n递减 //次,其中n=数据库中的模式数量。 嗯。 //做到了。 得到了结果。 总体而言 // 否定,尽管我一路走来发现了一些元法。 我不会告诉你它是什么,我很抱歉地说。 因为... //根本不是一个明显的模式,它必须被看到。 所以你自己做。 好运。(没有讽刺意味) // 我将再次总结:在这个计划中你不会得到预期的结果。但你可以得到一种 "satori"。 // 它可能给你一些线索,让你了解市场作为一个学习元系统的性质。这是好的。 paralocus 2009.07.06 12:09 #889 MetaDriver >> : >>这很搞笑)。 莫吉特很着急吗?牛仔们说,谁笑到最后,谁就能笑到最后。 我不认为这里会有一个大的DB。最多只有一百五十个图案,而且很可能更少。你一定是在烛光下运行你的系统...。 Neutron 2009.07.06 12:37 #890 paralocus писал(а)>> 在着手进行二进制输入的实验后,有一个问题。我已经问过一次,但我还是要重复一遍。 如果我用第一个PT差分系列的符号来输入,那么我应该准确预测下一个增量的enak......。 下面是我的单层代码(到目前为止已经开始使用了),这个代码将振幅而不是符号作为网格输出的误差,尽管在OUT计算本身中使用的是符号。这是否正确?我们是不是也应该用一个符号作为误差,或者在最坏的情况下(当然,与最坏的结局无关......)振幅足以在输出端获得适当的符号? 这里的情况是:过渡到二进制BP的主要原因是可能拒绝NS的定量和白化输入的程序,最重要的是--从连续分析值(无限多的值)过渡到二进制,只取两个值+/-。这大大节省了计算资源。网络本身是用ORO方法训练的,为此,它产生的误差定义在实数的区域内(不是离散的),所以,以假乱真,给输入+/-1,你将得到的输出值范围是-1到1,步长10^-8。而只有当网络完成训练后,你应该使用预测运动的符号进行预测,其振幅,将与正确预测的概率成正比(振幅始终为正)。这个概率可用于MM区块的额外分析。 与其他BP分析方法相比,NS的全部优势在于可以在 "非常稀缺 "的输入数据空间中构建非分析(非明确)的多维表面,初始BP值被 "吸引 "到该表面(kotir的第一差)。在二元表示法的情况下,我们处理的是一个超表面,它被退化为一个多维的超立方体。这就像一个水晶,它没有表面,但有其晶格的节点(比喻),我们知道这些节点的坐标到分钟,我们不需要花费我们的资源来检测表面......该网络是不必要的。 1...828384858687888990919293949596...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
我认为训练样本长度不能只是网络配置(输入数和神经元数)的函数,也许应该考虑我们要训练网络的一些行的特性。
如果BP是非平稳的,这是有可能的,而修正将由非平稳的性质决定。然而,我们离校正还很远--我们不知道样本长度对权重数量和NS输入维度的依赖类型。直观地说,我认为一般的观点会是这样的: P=4*w,这对任何NS的架构都是真实的。
费多尔,你对我在二进制BP预测问题上的 "顿悟 "有什么看法?毕竟,对于BP的这种特殊情况,我们可以像NS一样有效地使用统计分析作为预测引擎,在流程资源密集度方面彻底松开手。我相信这是一个突破。在 "误解 "交易者花费时间和精力来训练具有自适应架构的五层NS的地方,他们所需要的只是收集统计数据,而不是蠕动(正如列宁所说)。
与机器人的战争或对神经网络的言辞
"股票分析入门"("股票分析的哲学")音频课程的材料
如果BP是非平稳的,这是有可能的,而修正将由非平稳的性质决定。然而,我们离校正还很远--样本长度对权重数量和NS输入维度的依赖类型还不知道。直观地说,我认为一般的观点会是这样的:P=4*w,这对任何NS的架构都是真实的。
费多尔,你对我在二进制BP预测问题上的 "顿悟 "有什么看法?毕竟,对于BP的这种特殊情况,我们可以像NS一样有效地使用统计分析作为预测引擎,在流程资源密集度方面彻底松开手。我相信这是一个突破。在 "误解 "交易者花费时间和精力来训练具有自适应架构的五层NS的地方,他们所需要的只是收集统计数据,而不是蠕动(正如列宁所说)。
我告诉你,谢尔盖,它看起来不止是诱人的。现在我已经退出了网络,因为我正忙于处理滴答声,到目前为止已经避免在带有二进制输入的网格上彻底使用专家顾问。但现在我有一些空闲时间,所以我打算回到网格的实验中去,包括二进制输入。如果你能做到完全不使用网格...这真的是一个突破。我记得Prival,而且不仅仅是Prival,提出了建立模式数据库的想法。 如果一个统计模型允许创建这样的数据库,那么专家顾问就会变得幼稚简单,但却成熟有效。顺便说一句,也许我们根本就不应该远离网格,网格应该只是改变它的任务--而不是预测下一份报告,它可以处理模式识别--我认为这个任务更有视角,而且非常适合模糊逻辑系统。你怎么看?
......把统计分析作为一种预测机器,这将使我们在资源密集型的过程中大大解放双手。我认为这是一个突破...
为什么不使用。
- 大会规则或
- Cohonnen?
他们给予了非常大的概率和支持。
这就是精神!好久没来这里了。它已经有90页了)。当你们也能做出网格时,真是不可思议)。
为什么不使用。
- 大会规则或
- Cohonnen?
他们给予了非常大的概率和支持。
为什么?
毕竟,在二进制输入数据的情况下,这项工作也可以通过统计分析模式来解决。自己判断 - 没有培训和寻找最佳架构的麻烦。正如paralocus 正确指出的那样,"专家顾问将是幼稚的简单但成熟的高效"!
在着手进行二进制输入的实验后,有一个问题。我已经问过一次了,但我还是要重复一遍。
如果我用第一个PT差分系列的符号来输入,那么我应该准确预测下一个增量的enak......。
下面是我的单层代码(到目前为止已经开始使用了),这个代码将振幅而不是符号作为网格输出的误差,尽管在OUT计算本身中使用的是符号。这是否正确?误差不应该也是一个符号,或者至少(当然,与薄端无关......)一个足以在输出端获得适当符号的振幅吗?
我告诉你,谢尔盖,它看起来不止是诱人的。现在,我已经在某种程度上与网格本身保持了距离,因为我占用了ticks,到目前为止,我已经避免了带有二进制输入的网格上的基本专家顾问。但现在我有一些空闲时间,所以我打算回到网格的实验中去,包括二进制输入。如果你能做到完全不使用网格...这真的是一个突破。我记得Prival,而且不仅仅是Prival,提出了建立模式数据库的想法。如果一个统计模型允许创建这样的数据库,那么专家顾问就会变得幼稚简单,但却成熟有效。顺便说一句,也许我们根本就不应该远离网格,网格应该只是改变它的任务--而不是预测下一份报告,它可以处理模式识别--我认为这个任务更有视角,而且非常适合模糊逻辑系统。你怎么看?
我很惊奇:) 你们是有点聪明的家伙,但看了半天。 在这个方案中,专家的输入必须是具有模式统计的同一数据库。那么,你打算在那里放多少个图案?
所有的人? 好运......。:) 如果不是全部--到底有多少呢? 而这项任务怎么会比国家安全局容易呢?
专家最后肯定会很快。 只是你必须从数据库中给它提供 "真理",顺便说一下,这些真理在测试时并不是真的。 没有模糊将有助于从过去的垃圾桶中提取未来的果酱(DB)。
// 瓦普切塔,说实话--我查过了。大约一年半前。
// 只是方案更加优雅。经过一些仔细和创造性的思考,我想出了以下方法:如果在某一时刻,我//必须对一项专利做出决定,我就不能做。
// 我需要对我拥有的一个现在时态的模式做出决定,我不需要一个具有以下特征的Gigabase
//一个有一堆无关紧要的图案的Gigabase? 我把现在的模式从炉子里拿出来,然后回溯到历史。
//边走边收集统计数据。 收集之后,我立即使用它。 问题的维度以x^n递减
//次,其中n=数据库中的模式数量。 嗯。
//做到了。 得到了结果。 总体而言
// 否定,尽管我一路走来发现了一些元法。 我不会告诉你它是什么,我很抱歉地说。 因为...
//根本不是一个明显的模式,它必须被看到。 所以你自己做。 好运。(没有讽刺意味)
// 我将再次总结:在这个计划中你不会得到预期的结果。但你可以得到一种 "satori"。
// 它可能给你一些线索,让你了解市场作为一个学习元系统的性质。这是好的。
>>这很搞笑)。
莫吉特很着急吗?牛仔们说,谁笑到最后,谁就能笑到最后。
我不认为这里会有一个大的DB。最多只有一百五十个图案,而且很可能更少。你一定是在烛光下运行你的系统...。
在着手进行二进制输入的实验后,有一个问题。我已经问过一次,但我还是要重复一遍。
如果我用第一个PT差分系列的符号来输入,那么我应该准确预测下一个增量的enak......。
下面是我的单层代码(到目前为止已经开始使用了),这个代码将振幅而不是符号作为网格输出的误差,尽管在OUT计算本身中使用的是符号。这是否正确?我们是不是也应该用一个符号作为误差,或者在最坏的情况下(当然,与最坏的结局无关......)振幅足以在输出端获得适当的符号?
这里的情况是:过渡到二进制BP的主要原因是可能拒绝NS的定量和白化输入的程序,最重要的是--从连续分析值(无限多的值)过渡到二进制,只取两个值+/-。这大大节省了计算资源。网络本身是用ORO方法训练的,为此,它产生的误差定义在实数的区域内(不是离散的),所以,以假乱真,给输入+/-1,你将得到的输出值范围是-1到1,步长10^-8。而只有当网络完成训练后,你应该使用预测运动的符号进行预测,其振幅,将与正确预测的概率成正比(振幅始终为正)。这个概率可用于MM区块的额外分析。
与其他BP分析方法相比,NS的全部优势在于可以在 "非常稀缺 "的输入数据空间中构建非分析(非明确)的多维表面,初始BP值被 "吸引 "到该表面(kotir的第一差)。在二元表示法的情况下,我们处理的是一个超表面,它被退化为一个多维的超立方体。这就像一个水晶,它没有表面,但有其晶格的节点(比喻),我们知道这些节点的坐标到分钟,我们不需要花费我们的资源来检测表面......该网络是不必要的。