神经病患者，不要路过 :) 需要建议 - 页 5 123456789101112...14 新评论 Andrey Dik 2011.03.30 20:36 #41 Figar0:....... 有趣的短语，为什么使用 "随机 "输入，你能简要地解释一下吗？这句话的意思如下。在一个可靠的大样本上，任何指标显示的结果都可以与随机的、"非平衡 "的投入所得到的结果相媲美。包括如果一个神经元网 "不理解 "其创造者试图解释它的内容（这通常是创造者的问题，但同时也是一个绊脚石）。 用代表随机增量的数据对神经网络进行训练的实验是有参考价值的。这样一个系列的MO是0。在这种随机数据上训练的网络，其训练效果越好，其结果就越接近于0。因此，一个在一系列NA上完美训练的网络 将给出一条完全平坦的直线，即0。 反之亦然。如果结果显示在正面区域有一个0以外的事实，这意味着一件事：网络发现的一些规律性的东西被利用了，同时还有一个将MO拉到负面区域的权重--传播。 Andrey Dik 2011.03.30 20:46 #42 Figar0: 1）嗯，如何改进工作的NS，反正我已经在这个问题上纠结了好几年了。 有一些改进，但这是分文不值的，这还是考虑到我对我的网格了如指掌。唯一的质的飞跃是在我想出如何改进训练系统之后。 这就是为什么我建议你朝这个方向思考。 于是，输入（神经网络人员的超级秘密）在这里和那里改变--便士；调整架构--面包屑.... 2）Z.U.你能不能发布一个完整的OOS测试，例如，就在去年3月？我将试着看看它与我的相比如何。 3) Z.U.2 在后续报道中）所以，按照你的说法，这与NS的类型无关。它是关于什么的？我原则上同意，但这是一个有能力的NS的秘密，甚至一般有一个我无法制定....。 1) 是的，这在很大程度上取决于训练系统。但可能没有什么可以改进的地方。 关于投入--嗯，也许这是帮助将MO转移到+的主要盐类之一。至少，输入是由描述它们的理论所驱动的。 2）有趣的是，看到。并请在像GBPJPY这样的货币对上。 3）我也不确定NS的类型与此无关，但安德烈声称NS在这种情况下没有发挥特殊作用。我的版本是各种因素的组合：理论上合理的输入，理论上合理的和理论上描述的输入与输出之间的联系。合理的（虽然，dhz）输出。我想听听安德烈对此的看法。 TheXpert 2011.03.30 20:46 #43 Figar0: 从如此长的周期和大量的再培训的测试准备速度来看，所有这些都是在DLL本身中自动完成的。 在EA。 网络本身有多少训练参数/权重，停止训练的标准是什么（epochs的数量，在测试样本上达到一个可接受的误差）？ 35个神经元60个刻度。没有经典意义上的训练 -- 我通过ANC立即得到最佳结果。 有趣的短语，你能解释一下为什么用2个词来表示 "随机 "输入。 相当于 "以传播的速度排水 "这句话。 费加0。 这就是为什么我建议你朝这个方向思考。 唉，没有什么可改进的，但检查网络是否足够是一个有价值的想法，我甚至还没有这个想法。虽然概率很小，但它存在。 Z.I.S.你能不能把刚刚过去的3月份的全部OOS测试公布出来，比如说？我将试着看看它与我的相比如何。 明天的话已经。 (追问）所以，根据你的说法，这与NS的类型无关。它是关于什么的？我原则上同意这一点，但这里是一个有能力的NS的秘密，即使一般有一个我不能制定....。 同意 :) 。 TheXpert 2011.03.31 10:25 #44 Figar0: Z.O.S.你能不能把去年三月的全部OOS测试公布出来，比如说？我将试着看看它与我的相比如何。 我把它放在邮件里。 [删除] 2011.03.31 11:53 #45 TheXpert: 我把它放在我的个人信息中。 是的，谢谢，我查了一下。很遗憾，这是个隐私，我不知道现在能不能在这里讨论...... 作为一个试探性的气球，只是一点点，没有太多的细节：在算法中是否存在一些错误，因为在15M TF时，所有的交易都是在1H TF时打开的？虽然它可能只是参与更大的TF的数据计算... 而我想到的第一件事就是改进，也许我们应该在那里寻找一个答案。 - 我们实际上得到了一个翻转的系统（除了几个交易），我们可以 "玩弄 "专家顾问对神经网络反应的阈值，作为一个弱信号过滤器。在训练期显然是好的（翻转的系统在NS的 "功率 "将真正达到最大），需要在新的数据上用某种不同的方法来解释信号。 - 矛盾的是：盈利交易的百分比（正常）和最终的结果（我想改善它）。 几年前，我曾做过一个基于k-nearest neighbours的专家顾问；盈利交易的百分比值稳定在70-75%以上，而最终的结果却不是那么好。剩下的25%的交易结果是如此的肥胖，以至于我吞噬了75%的成功交易的所有利润。我在这里也有一些想法，但说实话，我还没有真正解决这个问题。虽然，我明白它的根基在哪里生长。 总的来说，我得到了关于你的系统的一切，除了 "回声"，但我还没有习惯它，但它是一种浪费）和一件事。 JOO ：基于理论的投入 在我们要解决的应用问题的背景下，什么样的理论证明了投入的合理性？它值得诺贝尔奖）我再次试图为NS的输入带来一些理论基础，特别是我在一个分支https://www.mql5.com/ru/forum/114902，但要说我成功了，我又不能。更准确地说，我已经成功了，但它是如此矫枉过正，以至于在实践中难以使用。 TheXpert 2011.03.31 12:41 #46 Figar0: 作为一个试探性的气球，只是一点点，没有太多的细节：在算法中是否存在一些错误，因为在15M TF时，所有的交易都是在1H TF时打开的？虽然这可能只是参与更大的TF的数据计算... 这是工作的具体细节。 在学习期显然是好的（在NS的 "力量 "的反转系统确实会发出最大的），在解释新数据的信号时，需要采取稍微不同的方法。 好吧，你可以坚持使用你想要的任何系统。是的，现在它几乎是可逆的，在关闭和打开之间有一个小的间隙，你可以玩弄它，但它几乎不会做什么。我试着解释一下原因。 在学习期间，任何适当的交易策略都会表现良好。在前进的道路上，任何都会失败。也就是说，一个粗糙的会和一个复杂的一样失败，因为交易只是基于未知的数据。是的，为了完全透明，交易策略是在上面，只取决于尾部。Neuronics不以任何方式依赖于交易策略。 我基本上理解了关于你的系统的一切，除了 "回声"，还没有消化到最后它是如何工作的，但这是一个收获）和一个观点。 好吧，如果真的是这样的话，欢迎到私人场所，我们可以在那里进行更实质性的讨论。 遗憾的是没有其他神经元学家的声音。 欧洲酋长 Andrey Dik 2011.03.31 13:22 #47 Figar0: 在我们要解决的应用问题的背景下，什么样的理论可以证明投入的合理性？这值得获得诺贝尔奖）我再次试图为NS的投入带来一些理论上的理由，特别是我在https://www.mql5.com/ru/forum/114902。 但我又不能说我成功了。更准确地说，我已经成功了，但它是如此矫枉过正，以至于在实践中难以使用。 溢出模式理论和第二种类型的TS。不，这当然不符合诺贝尔奖的要求。这里没有根本性的发现，也没有数学上的推论。相反，它是一些考虑因素，可以用来选择和编译输入数据，以便由神经网络或其他分析工具进行分析。 仍然需要进行大量的理论和实验工作，以建立一个明确的概念，了解它的工作原理。 Andrey Dik 2011.03.31 13:25 #48 TheXpert: ....欧洲酋长 安德烈，你能不能在EA上附加一些MM，比如说一个哑巴的马丁。非常好奇，想看看。我知道你在说现在还早。是的，现在还很早，但非常好奇。 TheXpert 2011.03.31 13:30 #49 我可以粗略地告诉你。 EF约为4.5，也就是说，在这段时间内（2001年10月至今天）以最大25%的缩水对欧元区进行投资可以赚取100*（1.2^4.5-1）=~130%。 为了开始一场严肃的对话，你需要一个至少有20人的FS。 Alexey Burnakov 2011.03.31 14:54 #50 你如何处理神经网络再训练的问题？你如何形成一个测试样本？ 这对我个人来说是一个重要的问题。现在我正在阅读关于训练样本大小的文章，想对形成测试样本的方式做一些实验，我总是用测试样本来进行早期训练停顿。 我问的原因是：我看了一下你的OOS结果和测试样本的结果。显然，该系统在测试段中学习得很好并接近于模式，但在验证段中有时会失败。也许以不同的方式形成测试样本是有意义的...... 123456789101112...14 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
.......
有趣的短语，为什么使用 "随机 "输入，你能简要地解释一下吗？
这句话的意思如下。在一个可靠的大样本上，任何指标显示的结果都可以与随机的、"非平衡 "的投入所得到的结果相媲美。包括如果一个神经元网 "不理解 "其创造者试图解释它的内容（这通常是创造者的问题，但同时也是一个绊脚石）。
用代表随机增量的数据对神经网络进行训练的实验是有参考价值的。这样一个系列的MO是0。在这种随机数据上训练的网络，其训练效果越好，其结果就越接近于0。因此，一个在一系列NA上完美训练的网络 将给出一条完全平坦的直线，即0。
反之亦然。如果结果显示在正面区域有一个0以外的事实，这意味着一件事：网络发现的一些规律性的东西被利用了，同时还有一个将MO拉到负面区域的权重--传播。
1）嗯，如何改进工作的NS，反正我已经在这个问题上纠结了好几年了。 有一些改进，但这是分文不值的，这还是考虑到我对我的网格了如指掌。唯一的质的飞跃是在我想出如何改进训练系统之后。 这就是为什么我建议你朝这个方向思考。
于是，输入（神经网络人员的超级秘密）在这里和那里改变--便士；调整架构--面包屑....
2）Z.U.你能不能发布一个完整的OOS测试，例如，就在去年3月？我将试着看看它与我的相比如何。
3) Z.U.2 在后续报道中）所以，按照你的说法，这与NS的类型无关。它是关于什么的？我原则上同意，但这是一个有能力的NS的秘密，甚至一般有一个我无法制定....。
1) 是的，这在很大程度上取决于训练系统。但可能没有什么可以改进的地方。
关于投入--嗯，也许这是帮助将MO转移到+的主要盐类之一。至少，输入是由描述它们的理论所驱动的。
2）有趣的是，看到。并请在像GBPJPY这样的货币对上。
3）我也不确定NS的类型与此无关，但安德烈声称NS在这种情况下没有发挥特殊作用。我的版本是各种因素的组合：理论上合理的输入，理论上合理的和理论上描述的输入与输出之间的联系。合理的（虽然，dhz）输出。我想听听安德烈对此的看法。
从如此长的周期和大量的再培训的测试准备速度来看，所有这些都是在DLL本身中自动完成的。
在EA。
网络本身有多少训练参数/权重，停止训练的标准是什么（epochs的数量，在测试样本上达到一个可接受的误差）？
35个神经元60个刻度。没有经典意义上的训练 -- 我通过ANC立即得到最佳结果。
有趣的短语，你能解释一下为什么用2个词来表示 "随机 "输入。
这就是为什么我建议你朝这个方向思考。
唉，没有什么可改进的，但检查网络是否足够是一个有价值的想法，我甚至还没有这个想法。虽然概率很小，但它存在。
Z.I.S.你能不能把刚刚过去的3月份的全部OOS测试公布出来，比如说？我将试着看看它与我的相比如何。
明天的话已经。
(追问）所以，根据你的说法，这与NS的类型无关。它是关于什么的？我原则上同意这一点，但这里是一个有能力的NS的秘密，即使一般有一个我不能制定....。
Z.O.S.你能不能把去年三月的全部OOS测试公布出来，比如说？我将试着看看它与我的相比如何。
我把它放在我的个人信息中。
是的，谢谢，我查了一下。很遗憾，这是个隐私，我不知道现在能不能在这里讨论......
作为一个试探性的气球，只是一点点，没有太多的细节：在算法中是否存在一些错误，因为在15M TF时，所有的交易都是在1H TF时打开的？虽然它可能只是参与更大的TF的数据计算...
而我想到的第一件事就是改进，也许我们应该在那里寻找一个答案。
- 我们实际上得到了一个翻转的系统（除了几个交易），我们可以 "玩弄 "专家顾问对神经网络反应的阈值，作为一个弱信号过滤器。在训练期显然是好的（翻转的系统在NS的 "功率 "将真正达到最大），需要在新的数据上用某种不同的方法来解释信号。
- 矛盾的是：盈利交易的百分比（正常）和最终的结果（我想改善它）。 几年前，我曾做过一个基于k-nearest neighbours的专家顾问；盈利交易的百分比值稳定在70-75%以上，而最终的结果却不是那么好。剩下的25%的交易结果是如此的肥胖，以至于我吞噬了75%的成功交易的所有利润。我在这里也有一些想法，但说实话，我还没有真正解决这个问题。虽然，我明白它的根基在哪里生长。
总的来说，我得到了关于你的系统的一切，除了 "回声"，但我还没有习惯它，但它是一种浪费）和一件事。
在我们要解决的应用问题的背景下，什么样的理论证明了投入的合理性？它值得诺贝尔奖）我再次试图为NS的输入带来一些理论基础，特别是我在一个分支https://www.mql5.com/ru/forum/114902，但要说我成功了，我又不能。更准确地说，我已经成功了，但它是如此矫枉过正，以至于在实践中难以使用。
作为一个试探性的气球，只是一点点，没有太多的细节：在算法中是否存在一些错误，因为在15M TF时，所有的交易都是在1H TF时打开的？虽然这可能只是参与更大的TF的数据计算...
这是工作的具体细节。
在学习期显然是好的（在NS的 "力量 "的反转系统确实会发出最大的），在解释新数据的信号时，需要采取稍微不同的方法。
好吧，你可以坚持使用你想要的任何系统。是的，现在它几乎是可逆的，在关闭和打开之间有一个小的间隙，你可以玩弄它，但它几乎不会做什么。我试着解释一下原因。
在学习期间，任何适当的交易策略都会表现良好。在前进的道路上，任何都会失败。也就是说，一个粗糙的会和一个复杂的一样失败，因为交易只是基于未知的数据。是的，为了完全透明，交易策略是在上面，只取决于尾部。Neuronics不以任何方式依赖于交易策略。
我基本上理解了关于你的系统的一切，除了 "回声"，还没有消化到最后它是如何工作的，但这是一个收获）和一个观点。
好吧，如果真的是这样的话，欢迎到私人场所，我们可以在那里进行更实质性的讨论。
遗憾的是没有其他神经元学家的声音。
欧洲酋长
在我们要解决的应用问题的背景下，什么样的理论可以证明投入的合理性？这值得获得诺贝尔奖）我再次试图为NS的投入带来一些理论上的理由，特别是我在https://www.mql5.com/ru/forum/114902。 但我又不能说我成功了。更准确地说，我已经成功了，但它是如此矫枉过正，以至于在实践中难以使用。
溢出模式理论和第二种类型的TS。不，这当然不符合诺贝尔奖的要求。这里没有根本性的发现，也没有数学上的推论。相反，它是一些考虑因素，可以用来选择和编译输入数据，以便由神经网络或其他分析工具进行分析。
仍然需要进行大量的理论和实验工作，以建立一个明确的概念，了解它的工作原理。
....
欧洲酋长
我可以粗略地告诉你。
EF约为4.5，也就是说，在这段时间内（2001年10月至今天）以最大25%的缩水对欧元区进行投资可以赚取100*（1.2^4.5-1）=~130%。
为了开始一场严肃的对话，你需要一个至少有20人的FS。
你如何处理神经网络再训练的问题？你如何形成一个测试样本？
这对我个人来说是一个重要的问题。现在我正在阅读关于训练样本大小的文章，想对形成测试样本的方式做一些实验，我总是用测试样本来进行早期训练停顿。
我问的原因是：我看了一下你的OOS结果和测试样本的结果。显然，该系统在测试段中学习得很好并接近于模式，但在验证段中有时会失败。也许以不同的方式形成测试样本是有意义的......