神经网络和输入 - 页 4 1234567891011...41 新评论 Леонид 2013.01.10 20:01 #31 Demi: 当然是的!对交易到垃圾场,等等。当然,你更清楚。(讽刺) 我不是在说成对的交易。 Леонид 2013.01.10 20:02 #32 Demi: 显示结果。 我已经给你看了结果)))) Дмитрий 2013.01.10 20:03 #33 LeoV: 我不是在说成对的交易。 对交易,并以 "分歧 "为基础。我知道了,谢谢你。 Леонид 2013.01.10 20:05 #34 Demi: 对子交易的基础是 "分歧"。 我说的不是背离,我说的是不同工具之间的模式,这不包括相关背离 )) Дмитрий 2013.01.11 06:50 #35 Figar0: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...那么,通常对最大的正常化?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。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... 我没有直接与价格打交道。我使用的是价格和抛物线 之间的差异。为什么是抛物线?它有特征性的跳跃和下降,我在输出上使用了斐波那契的条形移动,以使信号不出现明显的波动。因此,当我有8个差异时,我以这种方式将它们归一化,即我找到最大的模数,并将所有东西除以这个系数。然后是重量。我没有对其进行归一化处理,但利用同样的原则,所得的层数总和应该自然减少。以此类推,逐层进行,直到我得到两个输出值。如果将权重也归一化,有人怀疑在训练时权重值会达到极端值-100、100和0,而这不是王牌,所以我只将中间层的结果归一化。 Леонид 2013.01.11 10:08 #36 过度规范化会给有用信息所在的原始信号带来扭曲,这可能导致有用信息的消失或比例减少,进而导致网络不能正常工作--赚钱。这就是为什么你必须非常小心地对待金融技术市场的正常化。 Дмитрий 2013.01.11 11:55 #37 LeoV: 过度规范化会给有用信息所在的原始信号带来扭曲,这可能导致有用信息的消失或比例减少,进而导致网络不能正常工作--赚钱。这就是为什么你必须非常小心地对待金融技术市场的正常化。 有一种可能性是既不对输入信号也不对中间信号进行归一化,直到信号通过所有的层,它的电平将只是增长到所需的范围,+/-,而输出将已经被归一化了。它是这样的。 Alexey Subbotin 2013.01.11 14:58 #38 grell: 可以完全不对输入或中间信号进行归一化处理,直到信号通过所有层,其电平将刚刚上升到所需的范围,+/-,输出将被归一化。它是这样的。 问题是,不同的输入可以有不同的缩放比例。Grid和其他算法一样,不喜欢变量的缩放比例有很大差别(例如,一半输入的范围是[-0.0001;0.0001],而另一半的范围是[-1000;1000])。训练的收敛性会受此影响。因此,即使不规范化,至少也应该把输入设置成可比较的规模,最好是相同的顺序:大致上说,NS会更快地学习。 СанСаныч Фоменко 2013.01.11 15:25 #39 你在这里讨论的是哪个市场:静止的还是非静止的? Alexey Subbotin 2013.01.11 15:47 #40 faa1947:你在这里讨论的是哪个市场:静止的还是非静止的? 那你为什么要砸东西呢?你是在为你的文盲找人指责吗?DDD说真的,有什么好处呢?) 1234567891011...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
当然是的!对交易到垃圾场,等等。
当然,你更清楚。(讽刺)
我不是在说成对的交易。
对交易,并以 "分歧 "为基础。
我知道了,谢谢你。
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...
那么,通常对最大的正常化?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。
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...
我没有直接与价格打交道。我使用的是价格和抛物线 之间的差异。为什么是抛物线?它有特征性的跳跃和下降,我在输出上使用了斐波那契的条形移动,以使信号不出现明显的波动。因此,当我有8个差异时,我以这种方式将它们归一化,即我找到最大的模数,并将所有东西除以这个系数。然后是重量。我没有对其进行归一化处理,但利用同样的原则,所得的层数总和应该自然减少。以此类推,逐层进行,直到我得到两个输出值。如果将权重也归一化,有人怀疑在训练时权重值会达到极端值-100、100和0,而这不是王牌,所以我只将中间层的结果归一化。
过度规范化会给有用信息所在的原始信号带来扭曲,这可能导致有用信息的消失或比例减少,进而导致网络不能正常工作--赚钱。这就是为什么你必须非常小心地对待金融技术市场的正常化。
有一种可能性是既不对输入信号也不对中间信号进行归一化,直到信号通过所有的层,它的电平将只是增长到所需的范围,+/-,而输出将已经被归一化了。它是这样的。
可以完全不对输入或中间信号进行归一化处理,直到信号通过所有层,其电平将刚刚上升到所需的范围,+/-,输出将被归一化。它是这样的。
你在这里讨论的是哪个市场:静止的还是非静止的?
你在这里讨论的是哪个市场:静止的还是非静止的?
那你为什么要砸东西呢?你是在为你的文盲找人指责吗?DDD
说真的,有什么好处呢?)