一个快速和免费的MT4资料库，让神经网络人非常高兴。 - 页 11 1...456789101112131415161718...57 新评论 [删除] 2009.12.22 07:27 #101 marinat >> : 大家下午好，优化图没有画出来，优化后输出了以下字符串 2009.12.21 15:52:54 在优化过程中共进行了897次传递，897次结果因不重要而被丢弃。 谁能帮帮我？ 我尝试了另一个终端，同样的事情，不知道该怎么做 :( [删除] 2009.12.22 07:40 #102 marinat писал(а)>> 我在另一个终端尝试了一下，结果也是如此，我不知道该怎么做 :( 在优化过程中，右击优化结果，取消勾选 "跳过无用结果 "选项。一般来说，使用搜索，问题在1分钟内就能解决，而你 "怎么办，怎么办？ 搜索https://www.mql4.com/ru/search/have%20been%20discarded%20as%20insignificant，其中一个结果是https://forum.mql4.com/ru/24644/page7#191364 [删除] 2009.12.22 07:48 #103 其实是关于其他的事情，我明确设置了使用08年12月20日到09年12月20日的日期，一切都很好，但还是要感谢，我找到了这些帖子。 尤里，我想问你一个问题，在你的模拟账户上，也就是在第3页上，你是只使用你的EA，还是也手动进行交易？ 还有一个问题，EA是为多币种交易 设置的吗？ Stanislav Korotky 2009.12.22 10:19 #104 VladislavVG >> : 在这个EA中，所有的委员会网络都被赋予了相同的输入信号，并且需要相同的响应。毫不奇怪的是，这些网会收敛到相同的解决方案。在这个例子中，可以留下一个网格或修改输入系统，使不同的网有不同的输入，输出可以保持不变。 委员会的全部意义恰恰在于为其提供相同的数据，并通过平均化（最好是在委员会的最佳实例中）来获得结果。在输入数据简单，即信号/噪声比大的情况下，可以留下一个网格（这不适用于市场）。是的--在这里我们得到的印象是，一个网格就足够了，但这是因为它是在一个刻意限制的（不正确的）数据集上训练的，在高度依赖的变量中编码，因此，训练的结果将不适用于其他领域。 向不同的网格提供不同的输入是一个好主意，但应该选择如何将总的集合分割成各个网格的子集（哪个原则是一个单独的问题，它可能是市场性质、交易类型等），但每个网格的输入质量仍应得到校准。 Vitaliy 2009.12.22 23:05 #105 marketeer писал(а)>> 委员会的全部意义恰恰在于向其提供相同的数据，并通过平均化（最好是在委员会的最佳实例中）获得结果..... 是的--在这里，你得到的印象是一个网格就足够了，但这是因为它是在一个刻意限制的（不正确的）数据集上训练的，在高度依赖变量中编码，因此训练结果将不适用于其他部分。 所以，事实证明，16个初始化为-1到1的随机权重的网格，在第一次执行ann_runs(...)与一个InputVector[]之后，我们得到（从日志来看）16个相同的输出，精确到8个字符？ 不，这里有一个某种错误。 你自己写道，神经网络的主题并不容易拿起。 所以我们必须弄清楚... Artem Titarenko 2009.12.23 00:30 #106 不应该有8位数的精确度... 关于委员会的意义。 组成委员会有不同的策略（算法组合，合奏）。 最简单的是平均化... 在这里 你可以详细了解一下。我马上告诉你，建造任何超级复杂的合成物都不会给你带来任何特别的收益。这只是关于别的东西。 [删除] 2009.12.23 09:08 #107 你认为，如果你把极值和它们之间的持续时间交给神经网络，结果会不会更令人满意？ [删除] 2009.12.23 10:20 #108 marinat писал(а)>> 你认为如果你把极值和它们之间的持续时间作为神经网络的输入，结果是否会更令人满意？ 检查过了，裸体的形式没有太大的意义。虽然那里包含的数据似乎是详尽的，但结果并不是很好，需要对这些数据进行认真的预处理，就像任何时候和任何地方的NS一样，同样，有时它也是有效的，有时不是。 [删除] 2009.12.23 10:29 #109 Figar0 >> : 检查过了，裸体的形式没有太大的意义。虽然那里包含的数据似乎是详尽的，但结果并不是很好，需要对这些数据进行认真的预处理，就像任何时候和任何地方的NS一样，同样，有时它也是有效的，有时不是。 一般来说，最稳定的结果是使用什么类型的数据获得的，谁得到的结果至少低于平均水平？在裸体的意义上，或从0到1的比例？ [删除] 2009.12.23 10:46 #110 marinat писал(а)>> 一般来说，最稳定的结果是在使用什么类型的数据时得到的，有没有人至少得到一个或多或少的平均结果？"裸体"，你是指完全裸体，还是从0到1的比例？ 在你尝试之前，很难评估投入的好处，一种可能在某个领域效果更好，另一种在另一个领域效果更好。而你几乎可以通过尝试任何输入来获得一个平均结果。裸体是没有预处理的，"0-1 "只是一种特殊的规范化，它很好，但可能还不够...预处理是一门完整的科学，我认为比神经网络本身更复杂，还有压缩、出血和编码，可能还有很多。你可以先看看V.A. Krisilov的文章，你可以从http://neuroschool.narod.ru/。你所想到的，把一个相位放在NS中，我只作为输入的复杂组合的一个组成部分，仅此而已。 1...456789101112131415161718...57 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
大家下午好，优化图没有画出来，优化后输出了以下字符串
2009.12.21 15:52:54 在优化过程中共进行了897次传递，897次结果因不重要而被丢弃。
谁能帮帮我？
我尝试了另一个终端，同样的事情，不知道该怎么做 :(
我在另一个终端尝试了一下，结果也是如此，我不知道该怎么做 :(
在优化过程中，右击优化结果，取消勾选 "跳过无用结果 "选项。一般来说，使用搜索，问题在1分钟内就能解决，而你 "怎么办，怎么办？
搜索https://www.mql4.com/ru/search/have%20been%20discarded%20as%20insignificant，其中一个结果是https://forum.mql4.com/ru/24644/page7#191364
其实是关于其他的事情，我明确设置了使用08年12月20日到09年12月20日的日期，一切都很好，但还是要感谢，我找到了这些帖子。
尤里，我想问你一个问题，在你的模拟账户上，也就是在第3页上，你是只使用你的EA，还是也手动进行交易？ 还有一个问题，EA是为多币种交易 设置的吗？
在这个EA中，所有的委员会网络都被赋予了相同的输入信号，并且需要相同的响应。毫不奇怪的是，这些网会收敛到相同的解决方案。在这个例子中，可以留下一个网格或修改输入系统，使不同的网有不同的输入，输出可以保持不变。
委员会的全部意义恰恰在于为其提供相同的数据，并通过平均化（最好是在委员会的最佳实例中）来获得结果。在输入数据简单，即信号/噪声比大的情况下，可以留下一个网格（这不适用于市场）。是的--在这里我们得到的印象是，一个网格就足够了，但这是因为它是在一个刻意限制的（不正确的）数据集上训练的，在高度依赖的变量中编码，因此，训练的结果将不适用于其他领域。
向不同的网格提供不同的输入是一个好主意，但应该选择如何将总的集合分割成各个网格的子集（哪个原则是一个单独的问题，它可能是市场性质、交易类型等），但每个网格的输入质量仍应得到校准。
委员会的全部意义恰恰在于向其提供相同的数据，并通过平均化（最好是在委员会的最佳实例中）获得结果.....
是的--在这里，你得到的印象是一个网格就足够了，但这是因为它是在一个刻意限制的（不正确的）数据集上训练的，在高度依赖变量中编码，因此训练结果将不适用于其他部分。
所以，事实证明，16个初始化为-1到1的随机权重的网格，在第一次执行ann_runs(...)与一个InputVector[]之后，我们得到（从日志来看）16个相同的输出，精确到8个字符？ 不，这里有一个某种错误。
你自己写道，神经网络的主题并不容易拿起。 所以我们必须弄清楚...
不应该有8位数的精确度...
关于委员会的意义。
组成委员会有不同的策略（算法组合，合奏）。
最简单的是平均化...
在这里 你可以详细了解一下。我马上告诉你，建造任何超级复杂的合成物都不会给你带来任何特别的收益。这只是关于别的东西。
你认为如果你把极值和它们之间的持续时间作为神经网络的输入，结果是否会更令人满意？
检查过了，裸体的形式没有太大的意义。虽然那里包含的数据似乎是详尽的，但结果并不是很好，需要对这些数据进行认真的预处理，就像任何时候和任何地方的NS一样，同样，有时它也是有效的，有时不是。
检查过了，裸体的形式没有太大的意义。虽然那里包含的数据似乎是详尽的，但结果并不是很好，需要对这些数据进行认真的预处理，就像任何时候和任何地方的NS一样，同样，有时它也是有效的，有时不是。
一般来说，最稳定的结果是使用什么类型的数据获得的，谁得到的结果至少低于平均水平？在裸体的意义上，或从0到1的比例？
一般来说，最稳定的结果是在使用什么类型的数据时得到的，有没有人至少得到一个或多或少的平均结果？"裸体"，你是指完全裸体，还是从0到1的比例？
在你尝试之前，很难评估投入的好处，一种可能在某个领域效果更好，另一种在另一个领域效果更好。而你几乎可以通过尝试任何输入来获得一个平均结果。裸体是没有预处理的，"0-1 "只是一种特殊的规范化，它很好，但可能还不够...预处理是一门完整的科学，我认为比神经网络本身更复杂，还有压缩、出血和编码，可能还有很多。你可以先看看V.A. Krisilov的文章，你可以从http://neuroschool.narod.ru/。你所想到的，把一个相位放在NS中，我只作为输入的复杂组合的一个组成部分，仅此而已。