金融系列的神经预测（基于一篇文章）。 - 页 10 1...3456789101112 新评论 [删除] 2011.12.03 10:06 #91 Reshetov: 我并不关心这些文章或其心胸狭隘的作者。特别是如果研究是在固定的或稳定的数据上进行的。 我的研究是基于前瞻性测试的结果，而不是基于文章中某个白痴编造的内容。 每个人都有权提出自己的个人观点，而不需要对别人的观点进行吐槽。 每个人都有权利争论太阳围绕地球旋转，但没有权利认为持不同意见的人是恶棍或白痴。 这一点应予考虑。 TheXpert 2011.12.03 10:18 #92 mersi: 因此，大多数人倾向于有2-3个隐藏层的网。 选择更多的隐藏层是因为有更好的收敛性。广义的非线性网络收敛效果甚至更好。 Alexey Burnakov 2011.12.03 10:19 #93 mersi: 所有神经网络研究人员都不同意这种说法。 几乎所有关于ns的文章都说，网络越好，它的神经元就越多，但同时，它也不应该有太多的神经元。 因此，大多数人倾向于具有2-3个隐藏层的网络。 我不相信。几乎所有神经网络解决的任务都是在一个隐藏层上解决的。 TheXpert 2011.12.03 10:22 #94 alexeymosc: 我不相信。几乎所有由神经网络解决的问题都是在单一隐藏层上解决的。不，那是正确的，见上文。一个只有一个隐藏层的网络也能解决，但有时 增加一个层比摆弄一个单一层的大小更容易。 或反之亦然。从广义的网格开始，如果成功，就简化模型。 Yury Reshetov 2011.12.03 10:24 #95 mersi: 这是一个值得思考的问题。 另外，你也可以拿去测试。加载网格的第一层（输入层），即放Signum而不是hyperangent，训练它并检查向前的性能。其他层可以保持原样。 Alexey Burnakov 2011.12.03 10:30 #96 TheXpert: 不，那是正确的，见上文。一个只有一个隐藏层的网络也能解决，但增加一个层比摆弄一个单一层的大小更容易。 好吧，我明白了。我想检查一下。在人工和静止数据上，我的测试表明，当隐藏层中没有足够的神经元时，这是现实的情况，我们可以增加数量，以便在测试（验证，正如他们在俄罗斯现实中所说）样本上获得更好的结果。但也有一种真实情况，即进一步增加神经元的数量并不能产生更好的结果。而且我从来都不屑于做层级。 在任何情况下，我更喜欢减少模型的大小，遵循奥卡姆剃刀原则。 [删除] 2011.12.03 10:35 #97 Reshetov: 我也不关心人权问题。在我看来，只有正向测试的结果才有发言权，即使它们是不民主的、违宪的、压迫性的，与拥有炸药发明者的学位和奖项的白痴的出版物不相符。 原因很简单：前向测试结果更接近事实。其他一切都更接近于错误的信息。 曳步舞 我不能容忍无礼的行为。 Mihail Marchukajtes 2011.12.03 11:45 #98 Reshetov: 事实证明，如果你通过存款货币的最小缩减量进行优化，然后从优化结果中选择这个非常小的缩减量，这两个远期都是成功的。如果几个优化结果的最小回撤是相同的，你应该选择会有最大余额的那一个。 我同意，这是有可能的。 但如果我们不是在最小误差上进行优化，而是在输入数据中某些特定属性或属性集的最大化上进行优化呢？比方说，有一个MA交叉的条件。 应该制作一个优化函数，其中包含尽可能多的输入数据的有用属性，以及平衡。因此，我们将使网络朝着寻找导致余额增加的最大数量标志的方向发展。一方面，这个函数应该有一个平衡作为目标+n（导致盈利的正确MA交叉的数量），应该尽量大......。 即使我们没有获得优化期的最大平衡，我们也会在输入中获得最大数量的标志，这已经导致了一个小的，但仍然增加的平衡。然后应该在forwards....，测试这个方法。它将如何工作？.... 即通过两个参数进行优化。增加平衡，并增加MA交叉的数量。 对此有什么建议，或批评????。 Mihail Marchukajtes 2011.12.03 11:50 #99 nikelodeon:我同意，这是有可能的，但如果我们不是为了最小的误差而优化，而是为了使输入数据中的某些特定特征或特征集最大化。比方说，有一个MA的交叉的条件。应该制作一个优化函数，其中包含尽可能多的输入数据的有用属性，以及平衡。因此，我们将使网络朝着寻找导致余额增加的最大数量标志的方向发展。一方面，这个函数应该有一个平衡作为目标+n（正确的MA交叉导致盈利的数量），应该尽量大......。即使我们没有获得优化期的最大平衡，我们也会在输入中获得最大数量的标志，这已经导致了一个小的，但仍然增加的平衡。然后应该在forwards....，测试这个方法。它将如何工作？....即通过两个参数进行优化。增加平衡，并增加MA交叉的数量。对此有什么建议，或批评???? 哈!!!!!。如果我们不能用这种方法训练网络（因为MA中没有足够的有用信息），这将是进入无用状态的标志。但在我看来，这里有一些......。我必须要检查一下。顺便说一下，建议这里有这样的事情。 如果我有一个参数是在一个指标中计算的。如果我想对指标的所有设置进行优化，并且变量a在选定区域达到0。 我的意思是在MT4中如何优化参数，这是计算出来的，而不是设置????。 Mihail Marchukajtes 2011.12.03 11:56 #100 不...这不是关于MA，而是关于最大化标志，即优化器的一部分将试图使这些交叉点尽可能多，而另一部分将试图平衡尽可能多的.....。 也就是说，我们需要某种优化函数来得出.....。 1...3456789101112 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
我并不关心这些文章或其心胸狭隘的作者。特别是如果研究是在固定的或稳定的数据上进行的。
我的研究是基于前瞻性测试的结果，而不是基于文章中某个白痴编造的内容。
每个人都有权提出自己的个人观点，而不需要对别人的观点进行吐槽。
每个人都有权利争论太阳围绕地球旋转，但没有权利认为持不同意见的人是恶棍或白痴。
这一点应予考虑。
因此，大多数人倾向于有2-3个隐藏层的网。
所有神经网络研究人员都不同意这种说法。
几乎所有关于ns的文章都说，网络越好，它的神经元就越多，但同时，它也不应该有太多的神经元。
因此，大多数人倾向于具有2-3个隐藏层的网络。
我不相信。几乎所有由神经网络解决的问题都是在单一隐藏层上解决的。
不，那是正确的，见上文。一个只有一个隐藏层的网络也能解决，但有时 增加一个层比摆弄一个单一层的大小更容易。
或反之亦然。从广义的网格开始，如果成功，就简化模型。
这是一个值得思考的问题。
不，那是正确的，见上文。一个只有一个隐藏层的网络也能解决，但增加一个层比摆弄一个单一层的大小更容易。
好吧，我明白了。我想检查一下。在人工和静止数据上，我的测试表明，当隐藏层中没有足够的神经元时，这是现实的情况，我们可以增加数量，以便在测试（验证，正如他们在俄罗斯现实中所说）样本上获得更好的结果。但也有一种真实情况，即进一步增加神经元的数量并不能产生更好的结果。而且我从来都不屑于做层级。
在任何情况下，我更喜欢减少模型的大小，遵循奥卡姆剃刀原则。
我也不关心人权问题。在我看来，只有正向测试的结果才有发言权，即使它们是不民主的、违宪的、压迫性的，与拥有炸药发明者的学位和奖项的白痴的出版物不相符。
原因很简单：前向测试结果更接近事实。其他一切都更接近于错误的信息。
曳步舞
我不能容忍无礼的行为。
事实证明，如果你通过存款货币的最小缩减量进行优化，然后从优化结果中选择这个非常小的缩减量，这两个远期都是成功的。如果几个优化结果的最小回撤是相同的，你应该选择会有最大余额的那一个。
我同意，这是有可能的。 但如果我们不是在最小误差上进行优化，而是在输入数据中某些特定属性或属性集的最大化上进行优化呢？比方说，有一个MA交叉的条件。
应该制作一个优化函数，其中包含尽可能多的输入数据的有用属性，以及平衡。因此，我们将使网络朝着寻找导致余额增加的最大数量标志的方向发展。一方面，这个函数应该有一个平衡作为目标+n（导致盈利的正确MA交叉的数量），应该尽量大......。
即使我们没有获得优化期的最大平衡，我们也会在输入中获得最大数量的标志，这已经导致了一个小的，但仍然增加的平衡。然后应该在forwards....，测试这个方法。它将如何工作？....
即通过两个参数进行优化。增加平衡，并增加MA交叉的数量。
对此有什么建议，或批评????。
我同意，这是有可能的，但如果我们不是为了最小的误差而优化，而是为了使输入数据中的某些特定特征或特征集最大化。比方说，有一个MA的交叉的条件。
应该制作一个优化函数，其中包含尽可能多的输入数据的有用属性，以及平衡。因此，我们将使网络朝着寻找导致余额增加的最大数量标志的方向发展。一方面，这个函数应该有一个平衡作为目标+n（正确的MA交叉导致盈利的数量），应该尽量大......。
即使我们没有获得优化期的最大平衡，我们也会在输入中获得最大数量的标志，这已经导致了一个小的，但仍然增加的平衡。然后应该在forwards....，测试这个方法。它将如何工作？....
即通过两个参数进行优化。增加平衡，并增加MA交叉的数量。
对此有什么建议，或批评????
哈!!!!!。如果我们不能用这种方法训练网络（因为MA中没有足够的有用信息），这将是进入无用状态的标志。但在我看来，这里有一些......。我必须要检查一下。顺便说一下，建议这里有这样的事情。
如果我有一个参数是在一个指标中计算的。如果我想对指标的所有设置进行优化，并且变量a在选定区域达到0。
我的意思是在MT4中如何优化参数，这是计算出来的，而不是设置????。
不...这不是关于MA，而是关于最大化标志，即优化器的一部分将试图使这些交叉点尽可能多，而另一部分将试图平衡尽可能多的.....。
也就是说，我们需要某种优化函数来得出.....。