神经网络 - 页 13

[[删除]]

Kazam:
如果你想要一个关于HONN的好的信息来源，可以找一本《经济和商业的人工高阶神经网络》。这是一本新出版的书，所以它有非常好的信息。价格很贵（180美元），但你可以在PDF网站上找到它 。

这就是我说的那个，它很好。我只看了一小段，但它已经给了我很多想法。对我来说，实施这些想法有点困难，我对编码有点陌生...。

谢谢你的建议，我会看看的......。可能会很幸运，在大学的图书馆里找到一些。他们刚建了一个新的人工智能大楼，有自己的图书馆，所以那里可能有一些东西。否则，我就下载它...

哦，我把我的10年数据分成两块，分别是2/3和1/3，在前2/3上训练网络（包括把2/3分成训练、测试和CV块），然后在剩下的1/3上测试结果网络，它似乎仍然准确。准确度有一些最小的损失，但它仍然是0.9995的回归线。这是否仍可解释为对以前的训练数据进行了过度拟合？

[[删除]]

Kazam:

- "基因表达程序"--由Candida Ferreira撰写。

费雷拉念珠菌不是导致鹅口疮的细菌吗？

[Kazam]

糜费者

我不使用ENN进行外汇交易。我可能很快就会开始，但我可能会使用分类系统/决定何时做多/做空交易的系统/而不是试图预测价格--外汇是很不稳定的。

目前，我正在使用ENN和遗传算法/以及其他一些东西，如模糊逻辑、粗糙集理论等/用于投资组合管理/预测长期利率以交易T-bills等/。

结果是相当不错的。当金融危机结束后，一切都变得更好、更稳定时，它们会更好。

mrwobbles

对于外汇交易的目的，不要看误差测量，而是要检查 预测是否显示出与预期输出相同的价格运动方向。我的意思是--如果NN显示下一个价格的收盘价将高于当前价格，那么你应该期望价格在开盘水平之上至少移动x个点。对于H1或H4这样的时间框架，预测准确的价格水平几乎是不可能的。

你现在得到的小误差是由错误的测量方法造成的。

而且你是对的--有一种酵母菌属叫做念珠菌

[[删除]]

我试图预测收盘以及开盘-收盘价差，因为我认为你是对的，预测准确的收盘几乎是不可能的。我认为，如果你向它提供正确的输入，一个具有基因优化的神经元和权重的合适网络将能够做到5点以内。你是否考虑过使用Kohonen自组织地图（SOMs）来预测比t+1更远的未来？我的理解是，Kohonen网络可以对t+1进行预测，然后用这个值来预测所有的值，例如t+10，但我可能是错的。这将是非常有用的，尽管我所看到的所有例子都没有我所寻找的那么准确。

[Kazam]

对于预测外汇时间序列的目的，忘掉SOM吧。ENN要好得多。

如果你想预测t+1/t+2，t+3等的步骤，只要使用不同的时间框架。例如，如果你想预测下周的趋势，使用W1时间框架。不要根据t+n-1来预测t+n，因为外汇汇率是混乱的和非线性的/。你也可以训练一个网络来预测t+1，第二个网络来预测t+2/使用相同的数据/以此类推。

一个非常好的想法是建立混合系统。简单地说--采用5-6个最好的神经网络并结合它们的输出/你可以使用简单的平均法[(out1+out2+...+outN)/N)]，GEM，LWPR[LWPR是最好的选择，IMO]等/。

[[删除]]

这基本上是我的想法，我看到了一些来自SOM的预测，他们可能在20步的时间内正确地预测了趋势，但他们在价格的实际路径上却相差甚远。我认为使用遗传优化是未来的方向，考虑到NN被设计为模仿生物系统，增加某种形式的进化过程将提高准确性似乎是合乎逻辑的。

我不确定这些结果，我放大了检查 它是否得到了正确的方向，它似乎更经常得到它。有几个反常的结果（其中一个是400点=S），但在大多数情况下，它的方向是正确的。图片显示了对收盘价、最高价和最低价的预测（绿色）和目标（蓝色）。我读过很多关于人工神经网络的文章，但这是我第一次建立人工神经网络，所以我不知道我在寻找什么，除了明显的。

[prasxz]

你好

几年前，我写了一篇关于模糊逻辑+神经网络反向传播的论文，用于预测测井过程中的石油储量，结果很好，所以我认为模糊逻辑和神经网络反向传播可以用于预测这项业务的趋势，但它需要更多的数据来训练以获得更好的结果，我已经用9个节点来预测岩石的模式，我不知道多少节点可以识别外汇模式。

===================

外汇指标集

[[删除]]

prasxz:
几年前，我写了一篇关于模糊逻辑+神经网络反向传播的论文，用于预测测井过程中的石油储量，结果很好，所以我认为模糊逻辑与神经网络反向传播可以实现预测这一业务的趋势，但它需要更多的数据来训练以获得更好的结果，我已经用9个节点来预测岩石的模式，我不知道多少节点来识别外汇模式。

===================

外汇指标集

我读到，这主要取决于你给网络的输入数量。我给它32个输入，我想要3个输出，所以我会从(32-3)/2=14.5开始，所以说14个神经元，然后从那里开始。我建立的模型使用了13个节点，有趣的是，减少节点可以提高准确度和收敛时间，但在某一点上却有所下降。正如Kazam所说的，应用遗传算法来创建一个ENN，应该允许网络在所有可能的网络的样本空间中选择最优化的网络，以产生准确的结果。如果我理解了我所读到的关于它们的内容，那就是这样。你我可以想象这将大大增加建立网络的时间。

[Kazam]

prasxz

在建立交易系统时，模糊神经网络和模糊混合神经系统可能是一个非常好的选择。对于预测混乱的时间序列，它们可能不太有用。

mrwobbles

这些图表显示的是训练数据/期望值与预测值/？

选择一个合适的节点数是非常非常难的。你提出的公式是无用的/但它非常流行/--没有确定的方法来选择一个最佳或接近最佳的NN架构。

遗传算法克服了这个问题。你给GA提供两组--一组是终端符号/输入、常数等/，另一组是函数/具有不同激活函数、三角函数等的节点/，算法使用这些组的成员 "构建 "NN。这样，你可以得到一个有3个节点和5个输入的NN，或者有30个节点和50个输入的NN。你等待的代数越多，你得到的NN就越好/如果你想知道为什么会发生这样的情况，请阅读荷兰的模式定理

http://en.wikipedia.org/wiki/Holland%27s_schema_theorem

/.

[[删除]]

Kazam:

mrwobbles

这些图表显示的是训练数据/期望值与预测值/？

选择一个合适的节点数量是非常非常困难的。你提出的公式是无用的/但它非常流行/--没有确定的方法来选择一个最佳或接近最佳的NN架构。

遗传算法克服了这个问题。你给GA提供两组--一组是终端符号/输入、常数等/，另一组是函数/具有不同激活函数、三角函数等的节点/，算法使用这些组的成员 "构建 "NN。这样，你可以得到一个有3个节点和5个输入的NN，或者有30个节点和50个输入的NN。你等待的代数越多，你得到的NN就越好/如果你想知道为什么会发生这样的情况，请阅读荷兰的模式定理。

http://en.wikipedia.org/wiki/Holland%27s_schema_theorem

/.

是的，训练与预测的关系。我建立了一个新的网络，用前6-7年的数据进行训练、测试和交叉验证。然后我把剩下的3年的数据作为没有学习的测试，其目的是为了模仿现场测试。训练回归线的斜率为0.99995，当我给它输入大约3年的以前未见过的数据时，斜率下降到0.9995。我不知道如何解释这一点。对于我在不到一个小时内完成的东西来说，它似乎有点太精确了。

是的，我在图书馆找到的一本介绍神经网络的书中看到了这个公式。它涵盖了基础知识，对我来说是进入神经网络世界的一个很好的引导。对于刚开始学习的人来说，在处理遗传算法 等更难的概念之前，它是一个很好的开始。

如果我没有理解错的话，它涉及到生成一个随机的程序群（输入权重、隐藏层、神经元等），可以解决问题，然后使用最佳的父程序来培育新一代的程序，希望能比上一代更好。当然，如果你随机生成第一个种群，你是否有可能生成一个没有程序解决问题的种群？或者说，我们的想法是先产生一个不能解决问题的群体，然后再进化出一个能解决问题的群体？这肯定会涉及大量的计算？比一般的台式机所能处理的还要多？我想并行的显卡处理，甚至更好的大规模并行系统都是需要的。然而，这似乎是选择最优化解决方案的最佳方法。

你是不是应该从一个由12个网络组成的群体开始，用现有的方法进行训练，然后用这组程序来产生相互之间的后代？然后你可以创建一个家族树型结构，使用你建议的方法来进化一个更好的群体，修剪不成功的后代，并选择12个最优化的程序作为下一代的父母？我们的想法是，从一个你知道能解决问题的群体开始，然后从产生的后代中进化出一个更有效的程序。