Практические алгоритмы архитектур нейросетей - страница 6

По поводу выхода нейросети:

Что должно быть оптимальным для тренировки - вектор направления тренда ( if ((close[1] - close[2]) > 0) то тренд вверх....),

пик или впадина (как в индикаторе) или вообще какая-нибудь МА сдвинутая на N баров влево ?

По поводу вектора направления - ещё надо определить флет (значение = 0) примерно так:

if(MathAbs(Close[shift]-Open[shift])<=30*Point) Flat = 0.0;

//или
if(MathAbs(Close[shift]-Open[shift])< (Ask - Bid)*2) Flat = 0.0; //это типа защита от пипсовки ;) в разных ДЦ по разному.

//или 
if(MathAbs(Close[shift]-Open[shift])< MarketInfo(Symbol(),MODE_STOPLEVEL)*Point) Flat = 0.0;

А вот ещё вопрос по поводу качества котировок (ну всякие там дыры на истории, выбросы, разные ДЦ)...

Спасибо, понял. Есть один вопрос:

Вы пишите, что N мерный вектор преобразуется в K мерный. Откуда берется это К ? Извините за тупой вопрос.

Угу улыбайтесь дальше. Какой нафек резонанс, если вы даже в сети Кохонена толком разобраться не можете?

Знаете кого вы сейчас напоминаете? Попугая. И будете напоминать, пока будете кидаться общими умными фразами, не переходя к конкретике.

Господа, есть у кого-нибудь хороший исходник сети PNN на mql или dll-ка какая-нибудь, а то я тут решил побаловаться с нейросетями, а писать что-то неохота?

Погляди здесь

Как следует из предложенном мной терминологии, К - это мерность выхода сети, но не суть предложите свою.

В коде автора предожена мерность вых. ( еще и псевдо-нормированного) вектора К=1, что сужает диаппазон

т.е. >0 - длинная позиция <0 короткая, думаю с инверсией. где определение доверительного интервала

вообще для входа ? Нет. Eсли к примеру предложить мерность K= 3 то вы в ^кубе кратно расширите пространство

решений ... т.е. к примеру вход 1 будет сигналом для длинных 2 для коротких и 3 для флета ... инымы словами

появиться возможность для логики взаимоисключающих решений. Вот только не надо опять поднимать этот

дурацкий вопрос отделения флета от тренда ) .. Сам ищу, честно. Но можете предложить и свое видение ..

В случае введения слоя Хоппфилда или скажем уже для моделей типа Липпмана-Хемминга теоритически можно

натренировать сеть для 'вспоминания' порядкового таблично-восстановленного образа из зашумленного

примера и далее выход на древо решений .. но опять же безусл, все опирается на качество отобраных образцов

Из постов топика вроде как Пиболи отвечает сам себе, принципиально вариантов безгранично много, от набора

скоростных машек до паттернов и их комбинаций. Насчет количества вх. паттернов я не определенно скажу,

факт что нач. лишь от M15 сигнал/шум лишь около или более ~1 и в связи с массовым исп. нейроадаптивных

алгоритмов (в частности по градиентному спуску) до H4 профиль рынка меняется весьма часто, так что имхо (!)

оптимально от 2 до 5 тыс. макс. если без классификатора и до 10-15 с классификатором достаточной емкости

и селекции нейронов, но здесь опять же (!) см. чтобы не получилось то, от чего предостерегает Сергеев:

В общем, экспериментируйте, будте первыми.

Скажите, а как это сопрегается с финансовыми ВР?