找到一组指标来输入神经网络的输入。讨论。一个评估结果的工具。 - 页 8 12345678910 新评论 RIP 2009.11.12 14:54 #71 lea писал(а) >> 其目的是选择一组比原始变量更松散相关的变量。 我以前曾经尝试过做一个卷积网络，为了测试，我拿了一个M5时间序列，一个48-x-48的网络，这个序列被还原成一个关于0的对称形式。激活函数th()。所以，我没能在测试样本上实现超过0.1的误差，我从来没有做到。 Evgeniy Logunov 2009.11.12 15:15 #72 rip писал(а)>> 我以前曾经尝试过做一个卷积网络，为了测试，我拿了一个M5时间序列，一个48-x-48的网络，这个序列被还原成一个关于0的对称形式。激活函数th()。因此，我没能在测试样本上实现超过0.1的误差。 其实不是由我来包办价格系列。我已经有一组指标（即转换后的价格序列），所以需要降低这组指标的维度。 RIP 2009.11.12 15:21 #73 lea >> : 我并不是真的要找一个价格系列的包装。已经有一组指标（即转换后的价格序列），所以需要降低这组指标的维度。 卷积网络和PCA是同一回事，只是术语不同。 输入X，期望它在网络的输出端。中间层的神经元数量比输入/输出层少。神经元的输出值 中间层被认为是输入集的映射。这些数据被用于进一步处理。 [删除] 2009.11.12 15:45 #74 lea писал(а) >> 有没有人涉足过主成分分析（又称 "原理成分分析 "或 "pca"）？ 谢谢你。这是个好问题。 Daniil 2009.11.12 15:56 #75 iliarr писал(а) >> 如果目标函数仅仅是交易数量或仅仅是缩水，那么它将没有什么用处，因为网络要么学会经常漫无目的地进入/退出市场，要么学会避免缩水....。 你需要优化利润、交易数量和缩水 ... 我记得JGAP允许有多个输出的目标函数。 我目前的优先事项是：解决输入数据和完善递归神经元网。 目前，在我看来，用我建议的方法搜索和测试输入数据，对任何人来说都没有什么兴趣...... 伊利亚，我想你会对《货币投机者》（http://www.spekulant.ru/archive/2004_11_st11.html）的文章感兴趣。那里也讨论了健身功能（不仅是单纯的权益，还有其被缩减和交易数量所稀释）。 Andrey Dik 2009.11.12 16:09 #76 iliarr >> : 如果目标函数只是交易数量或缩水，那么它的效果就会很小，因为网络会学会经常漫无目的地进入/退出市场，或者学会避免缩水....。 我也认为它不会有什么用处，这就是我写 "为了兴趣 "的原因。 陌 生的人写道：>> 你必须同时优化利润和跌幅......我记得JGAP允许你有一个具有多个输出的目标函数...... 这就是我所说的，多标准的优化。嗯，我想，"哦，我的上帝，什么是术语，"但它已经被使用了很久......多标准优化 我认为不应该有多个健身函数（"......JGAP允许你有一个具有多个输出的目标函数......"），而是一个，但有几个必要的标准。我现在只是在猜测如何谨慎地处理这个问题，抓住它的鼻孔......有谁能提供关于这个问题的文献资料？ Marketeer 写道(a)>> 如果一个网络在没有老师的情况下被训练成假想的无限利润，那么应该牢记，输入数据仍然对上面的利润大小施加了一个上限。在选定的学习期，我们可以估计不能超过的金额（按恒定手数，按选定的策略）。 因此，我们可以计算出这个时期的净值的学习比率，即理论上可能的最大利润与净值给出的利润的比率。然后对验证期进行类似的估计，并对比率进行比较...。 我同意伊利亚尔的意见。你会得到一个合适的 嗯，在写这篇文章的时候，Daniil比我更早，他也在谈论同样的事情。 [删除] 2009.11.12 16:33 #77 Daniil >> : 伊利亚，我想你可能对《货币投机者》（http://www.spekulant.ru/archive/2004_11_st11.html）的文章感兴趣。那里也讨论了健身功能（不仅是通过股权，还包括其被缩减和交易数量所稀释）。 有趣的文章。>>谢谢你。 最让我感兴趣的是。 -作者对目标函数的定义 "Fit = Profit/(l+Prosadka/ 1 0 + S t o p / 1 0 ) * (CountTrade/10);" 我正在考虑一个类似的问题，但这里有一个现成的解决方案... - 用遗传算法提取MTS。一个良好的想法是解决方案的一半...这种方法有很多优点...我必须认真思考如何更好、更容易地实施它...... 眼下，由于。 lea 写道>> 有没有人涉足过主成分法（又称 "原理成分分析 "或 "pca"）？ 我对通过消除关联性来压缩输入神经网络的信息非常感兴趣。 TheXpert 2009.11.12 16:49 #78 rip >> : 我之前试着做了一个卷积网络，为了测试，我取了M5时间序列，48-x-48的网络，这个序列被还原成相对于0的对称形式。激活函数th()。因此，我未能在测试样本上实现超过0.1的误差。 所以我一定是用错了，或者把它煮熟了。 我自己也曾从事过图片压缩工作。误差有时是零，有时不是，取决于压缩的程度（主成分的数量）和输入的信息量。 用简单的例子试试。 Andrey Dik 2009.11.12 17:06 #79 这里有几本关于优化的书。刚刚下载，仍然很热。 ........，似乎无法连接。我从http://torrents.ru。 ilyaa 2009.11.12 18:17 #80 lea >> : 而你把这一切都计算在什么地方？MathCad/MathLab？ 这对我自己来说是很难相信的，但计算是在excel中完成的。IMHO在理解方面比Matcad好一点（计算过程的可视化而不是最终状态）。 12345678910 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
lea писал(а) >>
其目的是选择一组比原始变量更松散相关的变量。
我以前曾经尝试过做一个卷积网络，为了测试，我拿了一个M5时间序列，一个48-x-48的网络，这个序列被还原成一个关于0的对称形式。激活函数th()。所以，我没能在测试样本上实现超过0.1的误差，我从来没有做到。
我以前曾经尝试过做一个卷积网络，为了测试，我拿了一个M5时间序列，一个48-x-48的网络，这个序列被还原成一个关于0的对称形式。激活函数th()。因此，我没能在测试样本上实现超过0.1的误差。
其实不是由我来包办价格系列。我已经有一组指标（即转换后的价格序列），所以需要降低这组指标的维度。
我并不是真的要找一个价格系列的包装。已经有一组指标（即转换后的价格序列），所以需要降低这组指标的维度。
卷积网络和PCA是同一回事，只是术语不同。
输入X，期望它在网络的输出端。中间层的神经元数量比输入/输出层少。神经元的输出值
中间层被认为是输入集的映射。这些数据被用于进一步处理。
lea писал(а) >>
有没有人涉足过主成分分析（又称 "原理成分分析 "或 "pca"）？
谢谢你。这是个好问题。
iliarr писал(а) >>
如果目标函数仅仅是交易数量或仅仅是缩水，那么它将没有什么用处，因为网络要么学会经常漫无目的地进入/退出市场，要么学会避免缩水....。
你需要优化利润、交易数量和缩水 ... 我记得JGAP允许有多个输出的目标函数。 我目前的优先事项是：解决输入数据和完善递归神经元网。
目前，在我看来，用我建议的方法搜索和测试输入数据，对任何人来说都没有什么兴趣......
伊利亚，我想你会对《货币投机者》（http://www.spekulant.ru/archive/2004_11_st11.html）的文章感兴趣。那里也讨论了健身功能（不仅是单纯的权益，还有其被缩减和交易数量所稀释）。
如果目标函数只是交易数量或缩水，那么它的效果就会很小，因为网络会学会经常漫无目的地进入/退出市场，或者学会避免缩水....。
我也认为它不会有什么用处，这就是我写 "为了兴趣 "的原因。
陌 生的人写道：>>
你必须同时优化利润和跌幅......我记得JGAP允许你有一个具有多个输出的目标函数......
这就是我所说的，多标准的优化。嗯，我想，"哦，我的上帝，什么是术语，"但它已经被使用了很久......多标准优化
我认为不应该有多个健身函数（"......JGAP允许你有一个具有多个输出的目标函数......"），而是一个，但有几个必要的标准。我现在只是在猜测如何谨慎地处理这个问题，抓住它的鼻孔......有谁能提供关于这个问题的文献资料？
Marketeer 写道(a)>>
如果一个网络在没有老师的情况下被训练成假想的无限利润，那么应该牢记，输入数据仍然对上面的利润大小施加了一个上限。在选定的学习期，我们可以估计不能超过的金额（按恒定手数，按选定的策略）。 因此，我们可以计算出这个时期的净值的学习比率，即理论上可能的最大利润与净值给出的利润的比率。然后对验证期进行类似的估计，并对比率进行比较...。
我同意伊利亚尔的意见。你会得到一个合适的
嗯，在写这篇文章的时候，Daniil比我更早，他也在谈论同样的事情。
伊利亚，我想你可能对《货币投机者》（http://www.spekulant.ru/archive/2004_11_st11.html）的文章感兴趣。那里也讨论了健身功能（不仅是通过股权，还包括其被缩减和交易数量所稀释）。
有趣的文章。>>谢谢你。
最让我感兴趣的是。
-作者对目标函数的定义 "Fit = Profit/(l+Prosadka/ 1 0 + S t o p / 1 0 ) * (CountTrade/10);" 我正在考虑一个类似的问题，但这里有一个现成的解决方案...
- 用遗传算法提取MTS。一个良好的想法是解决方案的一半...这种方法有很多优点...我必须认真思考如何更好、更容易地实施它......
眼下，由于。
lea 写道>>
有没有人涉足过主成分法（又称 "原理成分分析 "或 "pca"）？
我对通过消除关联性来压缩输入神经网络的信息非常感兴趣。
我之前试着做了一个卷积网络，为了测试，我取了M5时间序列，48-x-48的网络，这个序列被还原成相对于0的对称形式。激活函数th()。因此，我未能在测试样本上实现超过0.1的误差。
所以我一定是用错了，或者把它煮熟了。
我自己也曾从事过图片压缩工作。误差有时是零，有时不是，取决于压缩的程度（主成分的数量）和输入的信息量。
用简单的例子试试。
这里有几本关于优化的书。刚刚下载，仍然很热。
........，似乎无法连接。我从http://torrents.ru。
而你把这一切都计算在什么地方？MathCad/MathLab？
这对我自己来说是很难相信的，但计算是在excel中完成的。IMHO在理解方面比Matcad好一点（计算过程的可视化而不是最终状态）。