在Forox上赚钱是不可能的!!! - 页 32

新评论
 
我不想参与讨论，但我可以告诉你，这是我训练神经元的唯一方法。在该数据上用几个基本技巧来处理过度训练。所以，Joo它是有希望的。
 
Avals >> :

预处理，即输入系统的内容，在这里可能很重要。IMHA，这是适应性系统的一个基石。这些价值本身应该是稳定市场阶段的特征。而合成物应该在这些输入的基础上生成。粗略地说，它们应该被生成，其分布应该被改变（改变适应性系统的输入参数值）。

呃，你不需要考虑向ATS输入的内容。你必须首先拥有输入数据的原始来源，同样是OHLC，但却是合成的。

 

毕竟，这个问题是针对那些了解统计学的人的，因为我对这一学科的了解还不够深。

当我在工作代码中实现它时，我会把它放在代码库中。无论谁有兴趣，都会使用它。


如果你对我建议的话题有什么要说的，伊利亚，我很乐意听。

 
哦，有的，而且有很多。处理适应性问题的最佳方式是什么？就是根据一般样本的统计参数，构建一个统计学上类似的系列。这将产生一个价格模型，其特征与一般样本相似，但有新的运动，并且有尽可能多的数据。而其运动的新颖性将与一般样本的属性相对应。网格或自适应专家顾问将无法适应，因为数据在不断变化。但这些数据包含了将被神经元或自适应专家顾问锁定的统计规律。而正是这些统计学规律，将使我们的工作普遍化（试图普遍化，我们仍然必须考虑到神经元）。这就是第一部分的结束。:)
 
IlyaA >> :
哦，有，而且有很多。处理适应性问题的最佳方式是什么？就是根据一般样本的统计参数，构建一个统计学上类似的系列。因此，我们得到了一个具有类似于一般样本特征的价格模型，但具有新的数据和任意数量。而其运动的新颖性将与一般样本的属性相对应。网格或自适应专家顾问将无法适应，因为数据在不断变化。但这些数据包含了将被神经元或自适应专家顾问锁定的统计规律。而正是这些统计学规律，将使我们的工作普遍化（试图普遍化，我们仍然必须考虑到神经元）。这就是第一部分的结束。:)

这个问题不是关于学习。该问题是关于在给定的状态参数下创建一个合成VR。

 
joo >> :

这个问题不是关于培训。该问题是关于用指定的统计参数创建一个合成BP。


该算法大致如下。

1.决定一组普通人群的参数。通常大约5-10个。社会学家有100-150人。

2.为每个特征或特征的组合构建一个概率密度。

开始对具有指定分布的数据进行建模。检查组合是否与所有参数一致，并对生成算法进行修正。

4.这些数据被用于训练专家顾问。

 
IlyaA >> :


该算法大致如下。

1.决定一组普通人群的参数。通常大约5-10个。社会学家有100-150人。

2.为每个特征或特征的组合构建一个概率密度。

开始对具有指定分布的数据进行建模。检查组合是否与所有参数一致，并对生成算法进行修正。

4.这些数据被用于训练专家顾问。

那很好啊!而现在对于1,2,3除了4，请详细说明。

 
IlyaA писал(а)>> 过度训练可以通过对此类数据的一些基本技巧来治愈。

什么样的伎俩？如果不是秘密....))

 

我会用（真实信号+人工噪音）来研究TC的稳定性。

而且我认为纯人工振荡器没有任何实际意义。是的，我理解在模拟的TC算法上由专家需要的条件进行调试的想法，但我不确定这是否会足够。那么，在真实的报价中总是可以找到必要的区域，而不是只有一个。

 
LeoV >> :

什么样的伎俩？如果不是秘密....))


嗯，这真的很简单。我将告诉你方法，但我相信你也知道这些方法。

1.早期的一个站点。

2.交叉检查。

3.减轻重量

4.消除权重。

5.平滑化近似。

1...252627282930313233343536373839...46
新评论