神经病患者，不要路过 :) 需要建议 - 页 14

[Vladimir]

TheXpert:

不，现在急需做另一个项目，神经元学已经被搁置了一段时间。

其目的是使相对于波动性的报价正常化。

你好，安德烈。很抱歉长期缺席。我看到你用回声网络获得了相当好的结果。我试图加入你的话题讨论，但我发现没有什么聪明的说法。我不知道贬值是否对你有帮助（很可能没有），但如果你的网络神经元是非线性的，你肯定需要对输入进行归一化。顺便说一下，关于非线性。它可以以两种方式设置。(1)神经元的输出在趋向于-1或1的大输入时达到饱和（双曲线相切）。(2) 神经元的输出由一个具有一定阈值的指数函数 描述。大多数网络设计者选择第一个功能。但大脑神经元使用的是第二种。我不知道这对你是否有帮助。

我自己已经不再相信价格预测器了。我认为这是一个死胡同。我现在对买/卖类型的分类器更感兴趣。有人会说，它是同一个预测器--当它发出买入信号时，它预测价格会上涨。这并不重要。人脑是一个分类器，而不是一个预测器。而且它使用几个神经层对输入信息进行非线性转换。正是这种非线性转化比分类更让我感兴趣。分类可以通过感知器、SVM、kNN或任何其他已知的方法完成。

[dimacv]

gpwr:

我自己已经不再相信价格预测器了。我认为这是一个死胡同。我现在对买/卖类型的分类器更感兴趣。有些人会认为，这是同一个预测器--当它发出买入信号时，它预测价格会上涨。这并不重要。人脑是一个分类器，而不是一个预测器。而且它使用几个神经层对输入信息进行非线性转换。正是这种非线性转化比分类更让我感兴趣。分类可以通过感知器、SVM、kNN或任何其他已知的方法完成。

据我所知，这个结论确实是许多人在应用NS的时候得出的。

在这里，如果有人没有，我把这个话题的论文写得很有意思，有很多挖掘的材料。

如果你直接看一下论文的结论--是把网络作为市场情况的分类器的方法给出了最好的方法，而其他的方法都停滞不前。

人们在训练样本上对情况进行手动分类，然后训练NS识别这些情况，类似于训练NS识别图像的方式--这样做的结果最好。

[[删除]]

我还没有使用过神经网络，但我对预测没有什么信心。

但是，如果我可以分别估计经纪人的所有交易量--买入和卖出，我想这将是有用的))))。