神经网络和输入 - 页 2 123456789...41 新评论 Дмитрий 2013.01.10 12:30 #11 这就是为什么我把输入层和输出层解耦。 Леонид 2013.01.10 12:35 #12 grell: 你认为哪些输入信号带有有用的信息?)坦率地说,我并不关心隐藏层中发生了什么,即使是世界各国人民的馅饼食谱,最主要的是输出的是有用的信息,我会为输入提供信息内容。 这是一个 "给我钱所在单位的钥匙 "的问题。))))但让我给你举个例子。每个人都知道的Bettinger's Expert Advisor,它赢得了冠军,是在欧元-美元上交易,网络收到了来自欧元-日元的信息,因为当时它包含了一些关于欧元-美元走势的信息,神经网络完美地突出了这些买入或卖出的信号。但随着时间的推移,欧元兑日元已经失去了与欧元兑美元的关联性。然后,其中一个著名的指数运作良好。现在怎么办--不知道,要查.....,作为面包的寻求者....))))。 Леонид 2013.01.10 12:39 #13 Roman.: О!列昂尼德,圣诞快乐事业成功,身体健康!项目进展如何? http://www.neuroproject.ru/demo.php? 我希望自己能更接近神经实验。你认为目前有什么相关的,你能分享一下你对神经的想法吗?谢谢你。 你好!也祝你圣诞快乐!也祝你好运!我已经有一段时间没有和他们交谈了.....,不知道....。我认为寻找基于简单模式的简单而不复杂的TC是有意义的。 比如,我经常分享各种想法,但只有在论坛上,它通常找不到支持,原因是多方面的。 Роман 2013.01.10 13:05 #14 LeoV: 你好!也祝你圣诞快乐!也祝你好运!我已经很久没有和他们说话了.....,不知道....。我认为寻找基于简单模式的简单而不复杂的TC是有意义的。 比如,我分享过很多各种各样的想法,但只有在论坛上,通常找不到支持,原因是多方面的。 我明白了... 稍后会有更多的联系...在太简单的图案上,有看起来有点 "粗俗 "的文字(来自亨特-赫兹克的采访)......我认为把钱押在简单的模式上有点吓人...... Дмитрий 2013.01.10 13:07 #15 LeoV: 但这里有一个例子。Bettinger赢得冠军的著名专家顾问,是以欧元-美元交易的,而网络接收的是欧元-日元的信息。 因为当时它包含一些信息 而网络接收到关于欧元-美元走势的信息,神经网络完美地将这些信号分离出来进行购买或出售。但随着时间的推移,欧元兑日元 已经失去了意义。 为欧元美元。然后,众所周知的一个指数运作良好。现在怎么办--不知道,要查.....,像面包一样查....)))) )))是的,这很有趣。这种效应早已被发现和描述。这就是所谓的--金融工具之间的 "浮动 "关联性。相关系数已经下降,神经网络已经不再产生正确的信号。我只是不知道为什么一个用于传统配对交易的神经网络应该建立.... Леонид 2013.01.10 15:13 #16 Demi:)))是的,很有趣。这种效应在很久以前就被发现和描述了。这就是所谓的金融工具之间的 "浮动 "关联性。相关系数已经下降,神经网络已经不再产生正确的信号。我只是不明白为什么传统的配对交易的神经网络要建立....。 你的推理是错误的,因为相关性和模式是绝对不同的东西。工具可以是完全不相关的,但有模式。 Дмитрий 2013.01.10 18:17 #17 LeoV:你的推理是有缺陷的,因为相关性和模式是完全不同的事情。工具可以是完全不相关的,但有模式。 胡说八道。相关性是一种模式。"该网络从欧元-日元中获取信息,因为它包含了一些关于当时欧元-美元走势的信息,而神经网络在挑选出这些买入或卖出信号方面非常出色 。"--简单的关联性。"但随着时间的推移,欧元兑日元失去了与欧元兑美元的相关性。此外,众所周知的指数之一运作良好。"--随着时间的推移,相关性下降,欧元-美元-指数的相关性上升。所有这些都是众所周知的,由来已久。 [删除] 2013.01.10 18:52 #18 grell: 该网络是相当有预测性的,输出在[-1;1]范围内有两个值。一开始,我给网络的输入输入8个值,然后我把它归一到[-1;1]的范围,不移零。然后我以同样的方式按权重和图层进行归一化。输出是对两个最近的分形的预测,以及它们相对于0条的相对位置。不存在数量上的约束力。也就是说,如果输出为-1和0.5,意味着最近的分形比Open[0]低2倍,下一个分形比Open[0]高。而以此类推,如果数值是0.3和1,那么这两个分形都高于Open[0]。 有趣的说法...什么是网络?并在输入上相应地对以前的分形进行一些处置?就像对我来说,你的两个输出对两个网络来说是个问题... grell。 我将其归一化为范围[-1;1]而不移动零。然后通过权重和层数,我以同样的方式进行标准化。 它是通常在最大限度上的正常化吗?即10;1;-5归一化为1;0.1;-0.5? 关于权重的正常化,并不是很清楚。你也以同样的方式使它们正常化吗?同样作为中间层的结果?还是我误解了什么?如果正确的话,那么我恐怕你在这里会有一些石头。 grell。 而在你看来,这些问题很奇怪。在我的脑海中,一切都很清楚,可以理解。和计划,和教学方法,和培训,和解释。但当谈到描述机器时--昏迷。 这些问题在脱离背景的情况下是很奇怪的。如果不知道网络的类型和它的任务,你能对输出提出什么建议?输入也是如此... Alexey Subbotin 2013.01.10 19:30 #19 Demi:相关性是一种模式。 但不是每个模式都是相关的(即使是一年级学生也知道这一点:)。很可能是有关联但没有关联。 Дмитрий 2013.01.10 19:42 #20 alsu: 但并不是每一种模式都会显示在相关关系中(即使是一年级学生也知道这一点:)。很可能存在相关性,但相关性为零。 是的,那么?那是怎么回事?为什么? 123456789...41 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
这是一个 "给我钱所在单位的钥匙 "的问题。))))
但让我给你举个例子。
每个人都知道的Bettinger's Expert Advisor,它赢得了冠军,是在欧元-美元上交易,网络收到了来自欧元-日元的信息,因为当时它包含了一些关于欧元-美元走势的信息,神经网络完美地突出了这些买入或卖出的信号。
但随着时间的推移,欧元兑日元已经失去了与欧元兑美元的关联性。然后,其中一个著名的指数运作良好。
现在怎么办--不知道,要查.....,作为面包的寻求者....))))。
О!列昂尼德,圣诞快乐事业成功,身体健康!
项目进展如何?
http://www.neuroproject.ru/demo.php?
我希望自己能更接近神经实验。
你认为目前有什么相关的,你能分享一下你对神经的想法吗?
谢谢你。
你好!
也祝你圣诞快乐!也祝你好运!
我已经有一段时间没有和他们交谈了.....,不知道....。
我认为寻找基于简单模式的简单而不复杂的TC是有意义的。
比如,我经常分享各种想法,但只有在论坛上,它通常找不到支持,原因是多方面的。
你好!
也祝你圣诞快乐!也祝你好运!
我已经很久没有和他们说话了.....,不知道....。
我认为寻找基于简单模式的简单而不复杂的TC是有意义的。
比如,我分享过很多各种各样的想法,但只有在论坛上,通常找不到支持,原因是多方面的。
我明白了...
稍后会有更多的联系...
在太简单的图案上,有看起来有点 "粗俗 "的文字(来自亨特-赫兹克的采访)......
我认为把钱押在简单的模式上有点吓人......
但这里有一个例子。
Bettinger赢得冠军的著名专家顾问,是以欧元-美元交易的,而网络接收的是欧元-日元的信息。 因为当时它包含一些信息 而网络接收到关于欧元-美元走势的信息,神经网络完美地将这些信号分离出来进行购买或出售。
但随着时间的推移,欧元兑日元 已经失去了意义。 为欧元美元。然后,众所周知的一个指数运作良好。
现在怎么办--不知道,要查.....,像面包一样查....))))
)))是的,这很有趣。
这种效应早已被发现和描述。这就是所谓的--金融工具之间的 "浮动 "关联性。相关系数已经下降,神经网络已经不再产生正确的信号。
我只是不知道为什么一个用于传统配对交易的神经网络应该建立....
)))是的,很有趣。
这种效应在很久以前就被发现和描述了。这就是所谓的金融工具之间的 "浮动 "关联性。相关系数已经下降,神经网络已经不再产生正确的信号。
我只是不明白为什么传统的配对交易的神经网络要建立....。
你的推理是错误的,因为相关性和模式是绝对不同的东西。
工具可以是完全不相关的,但有模式。
你的推理是有缺陷的,因为相关性和模式是完全不同的事情。
工具可以是完全不相关的,但有模式。
胡说八道。
相关性是一种模式。
"该网络从欧元-日元中获取信息,因为它包含了一些关于当时欧元-美元走势的信息,而神经网络在挑选出这些买入或卖出信号方面非常出色 。"--简单的关联性。
"但随着时间的推移,欧元兑日元失去了与欧元兑美元的相关性。此外,众所周知的指数之一运作良好。"--随着时间的推移,相关性下降,欧元-美元-指数的相关性上升。
所有这些都是众所周知的,由来已久。
该网络是相当有预测性的,输出在[-1;1]范围内有两个值。一开始,我给网络的输入输入8个值,然后我把它归一到[-1;1]的范围,不移零。然后我以同样的方式按权重和图层进行归一化。输出是对两个最近的分形的预测,以及它们相对于0条的相对位置。不存在数量上的约束力。也就是说,如果输出为-1和0.5,意味着最近的分形比Open[0]低2倍,下一个分形比Open[0]高。而以此类推,如果数值是0.3和1,那么这两个分形都高于Open[0]。
有趣的说法...什么是网络?并在输入上相应地对以前的分形进行一些处置?就像对我来说,你的两个输出对两个网络来说是个问题...
我将其归一化为范围[-1;1]而不移动零。然后通过权重和层数,我以同样的方式进行标准化。
它是通常在最大限度上的正常化吗?即10;1;-5归一化为1;0.1;-0.5?
关于权重的正常化,并不是很清楚。你也以同样的方式使它们正常化吗?同样作为中间层的结果?还是我误解了什么?如果正确的话,那么我恐怕你在这里会有一些石头。
而在你看来,这些问题很奇怪。在我的脑海中,一切都很清楚,可以理解。和计划,和教学方法,和培训,和解释。但当谈到描述机器时--昏迷。
这些问题在脱离背景的情况下是很奇怪的。如果不知道网络的类型和它的任务,你能对输出提出什么建议?输入也是如此...
相关性是一种模式。
但并不是每一种模式都会显示在相关关系中(即使是一年级学生也知道这一点:)。很可能存在相关性,但相关性为零。
是的,那么?
那是怎么回事?为什么?