العصبية شبكة التحرك من المتوسط

الشبكة العصبية 2 المتوسطات المتحركة A الشبكة العصبية خبير مستشار على أساس اثنين من المتوسطات المتحركة مع وضع التدريب. تدريب مستشار الخبراء على أمثلة مختارة وتحقيق الربح في الحياة الحقيقية. يمكن ل إي العمل على أي صك وفي أي إطار زمني. خوارزمية التداول من إي يتم تحليل متوسطين متحركين من قبل الشبكة العصبية الأساسية، التي تنتج أوامر لشراء أو بيع. يتم توفير قيم متوسطين متحركين وسرعة (فما) وبطيئة (سما) للطبقة الأولى، أما في الطبقة الثانية فهي تحسب اثنين من الخلايا العصبية المسؤولة عن شراء (N شراء) وبيع (N بيع)، وقرار الشراء أو البيع في المستوى الثالث. مخطط الرسم البياني للشبكة العصبية هو مبين في الشكل. خبير مستشار التدريب في وضع التدريب يتذكر إي قيم المتوسطات المتحركة التي تميز المستخدم على الرسم البياني لأداة العملة. في المستقبل، أثناء التشغيل العادي، فإنه يعترف قيم المتوسطات المتحركة. لتدريب علامة إي على الأقل واحدة طويلة واحدة وقصيرة التجارة على الرسم البياني. للإشارة إلى استخدام تجارة طويلة السهم شراء، وللتجارة قصيرة استخدام بيع السهم. يمكنك وضع المزيد من الأسهم على الرسم البياني. والمزيد من الأسهم، ويعد سيكون عملية التدريب. وجود أي أشياء أخرى على الرسم البياني غير الأسهم ليست مرغوبة. بعد التدريب، سيتم إنشاء المجلد ن 2MA في المجلد المشترك من المحطة. وسوف تحتوي على ملف HHHHHHNNMA. bin مع إعدادات الشبكة العصبية المدربة. هسسكس في اسم الملف هو اسم الأداة المالية. في التشغيل العادي، إي تحميل البيانات من الملف. إذا لم يتم العثور على الملف، فإنه سيتم استخدام الإعدادات الافتراضية. بشكل افتراضي، يتم تدريب إي على أوسجبي والإطار الزمني لمدة ساعة واحدة، يتم اختيار الصفقات في عام 2012. المعلمات المدخلات التالية هي المسؤولة عن التدريب إي: عدد الأوزان لكل عصبون. يساوي طول ما. الافتراضي - 48. عدد دورات التدريب - التخلف عن السداد 100. كلما ارتفعت القيمة، كلما كانت عملية التدريب أطول. في النسخة التجريبية هو 10. عامل ب - تؤثر القيمة على سرعة تصحيح الأوزان من الخلايا العصبية، ويستخدم لتدريب الشبكة. القيمة الافتراضية هي 0.7، لا تحتاج إلى تغيير. وضع التعلم إي - تمكن وضع التدريب من إي. أمثلة على تحديد الصفقات لتدريب إي متوفرة في الشكل. إعدادات الوضع العادي إعدادات المتوسطات المتحركة يمكنك ضبط إعدادات كل متوسط ​​متحرك: الفترة، والسعر، ووضع الحساب. حجم النظام - الافتراضي هو 0،1. قيمة الانزلاق في النقاط - الافتراضي هو 30. عدد المحاولات لفتح موقف - الافتراضي هو 5. مستوى ستوبلوس في نقاط - الافتراضي هو 0. مستوى تاكيبروفيت في نقاط - الافتراضي هو 0. المستوى ترايلينغستوب في نقاط - الافتراضي هو 650. السماح إدارة الأموال - السيطرة على حجم النظام لدخول السوق، التي مكنتها ديفالت. إذا تم تعطيل الوضع، يتم أخذ حجم الطلب من حجم المعلمة النظام. حجم أوامر كنسبة مئوية من الودائع - تستخدم للسيطرة على حجم النظام، والتقصير هو 5 في المئة. إضافة إلى الموقف المفتوح - تمكين افتراضيا. إذا كان هناك إشارة لدخول السوق في اتجاه موقف مفتوح، إي يدخل السوق. إعدادات الشبكة العصبية عدد الأوزان لكل عصبون. يساوي طول ما. وكلما ارتفعت القيمة، كلما تم التعرف على حالة السوق الحالية بشكل أكثر دقة، إلا أنها تقلل من عدد الصفقات. كلما كانت القيمة أقل، كلما تم الاعتراف بالدولة الأقل دقة، إلا أن عدد الصفقات يزيد. قيمة تنشيط الخلايا العصبية. القيمة هي تقريبا 0.75 من قيمة عدد الأوزان لكل عصبون. كلما كانت القيمة أعلى، كلما كان أكثر صرامة هو اختيار الخلايا العصبية لاتخاذ قرار. في النسخة التجريبية هو 40. عدد دورات التدريب - الافتراضي هو 100. عامل ب سرعة تصحيح الوزن، الافتراضي هو 0.7. وضع التعلم إي وضع التدريب إي. خلال التدريب، سيتم عرض القيم القصوى للخلايا العصبية في التعليقات على الرسم البياني. ويمكن استخدام هذه القيم كقيمة تنشيط للخلايا العصبية. ويرد مثال على ذلك في الشكل. تمكين التعليقات - تمكن التعليقات على الرسم البياني. السحر عدد من المستشارين. توقف مؤقتا بعد التداول بالميلي ثانية. افتراضيا، يتم تدريب إي على أوسجبي H1 على اثنين من الصفقات في عام 2012. ويرد نتيجة اختبار مستشار الخبراء في عام 2013. في الشكل. الشبكة العصبية 2 المتوسطات المتحركة A الشبكة العصبية خبير مستشار على أساس اثنين من المتوسطات المتحركة مع وضع التدريب . تدريب مستشار الخبراء على أمثلة مختارة وتحقيق الربح في الحياة الحقيقية. يمكن ل إي العمل على أي صك وفي أي إطار زمني. خوارزمية التداول من إي يتم تحليل متوسطين متحركين من قبل الشبكة العصبية الأساسية، التي تنتج أوامر لشراء أو بيع. يتم توفير قيم متوسطين متحركين وسرعة (فما) وبطيئة (سما) للطبقة الأولى، أما في الطبقة الثانية فهي تحسب اثنين من الخلايا العصبية المسؤولة عن شراء (N شراء) وبيع (N بيع)، وقرار الشراء أو البيع في المستوى الثالث. مخطط الرسم البياني للشبكة العصبية هو مبين في الشكل. خبير مستشار التدريب في وضع التدريب يتذكر إي قيم المتوسطات المتحركة التي تميز المستخدم على الرسم البياني لأداة العملة. في المستقبل، أثناء التشغيل العادي، فإنه يعترف قيم المتوسطات المتحركة. لتدريب علامة إي على الأقل واحدة طويلة واحدة وقصيرة التجارة على الرسم البياني. للإشارة إلى استخدام تجارة طويلة السهم شراء، وللتجارة قصيرة استخدام بيع السهم. يمكنك وضع المزيد من الأسهم على الرسم البياني. والمزيد من الأسهم، ويعد سيكون عملية التدريب. وجود أي أشياء أخرى على الرسم البياني غير الأسهم ليست مرغوبة. بعد التدريب، سيتم إنشاء المجلد ن 2MA في المجلد المشترك من المحطة. وسوف تحتوي على ملف HHHHHHNNMA. bin مع إعدادات الشبكة العصبية المدربة. هسسكس في اسم الملف هو اسم الأداة المالية. في التشغيل العادي، إي بتحميل البيانات من الملف. إذا لم يتم العثور على الملف، فإنه سيتم استخدام الإعدادات الافتراضية. بشكل افتراضي، يتم تدريب إي على أوسجبي والإطار الزمني لمدة ساعة واحدة، يتم اختيار الصفقات في عام 2012. المعلمات المدخلات التالية هي المسؤولة عن التدريب إي: عدد الأوزان لكل عصبون. يساوي طول ما. الافتراضي - 48. عدد دورات التدريب - التخلف عن السداد 100. كلما ارتفعت القيمة، كلما كانت عملية التدريب أطول. في النسخة التجريبية هو 10. عامل ب - تؤثر القيمة على سرعة تصحيح الأوزان من الخلايا العصبية، ويستخدم لتدريب الشبكة. القيمة الافتراضية هي 0.7، لا تحتاج إلى تغيير. وضع التعلم إي - تمكن وضع التدريب من إي. أمثلة على تحديد الصفقات لتدريب إي متوفرة في الشكل. إعدادات الوضع العادي إعدادات المتوسطات المتحركة يمكنك ضبط إعدادات كل متوسط ​​متحرك: الفترة، والسعر، ووضع الحساب. حجم النظام - الافتراضي هو 0،1. قيمة الانزلاق في النقاط - الافتراضي هو 30. عدد المحاولات لفتح موقف - الافتراضي هو 5. مستوى ستوبلوس في نقاط - الافتراضي هو 0. مستوى تاكيبروفيت في نقاط - الافتراضي هو 0. المستوى ترايلينغستوب في نقاط - الافتراضي هو 650. السماح إدارة الأموال - السيطرة على حجم النظام لدخول السوق، التي مكنتها ديفالت. إذا تم تعطيل الوضع، يتم أخذ حجم الطلب من حجم المعلمة النظام. حجم أوامر كنسبة مئوية من الودائع - تستخدم للسيطرة على حجم النظام، والتقصير هو 5 في المئة. إضافة إلى الموقف المفتوح - تمكين افتراضيا. إذا كان هناك إشارة لدخول السوق في اتجاه موقف مفتوح، إي يدخل السوق. إعدادات الشبكة العصبية عدد الأوزان لكل عصبون. يساوي طول ما. وكلما ارتفعت القيمة، كلما تم التعرف على حالة السوق الحالية بشكل أكثر دقة، إلا أنها تقلل من عدد الصفقات. كلما كانت القيمة أقل، كلما تم الاعتراف بالدولة الأقل دقة، إلا أن عدد الصفقات يزيد. قيمة تنشيط الخلايا العصبية. القيمة هي تقريبا 0.75 من قيمة عدد الأوزان لكل عصبون. كلما كانت القيمة أعلى، كلما كان أكثر صرامة هو اختيار الخلايا العصبية لاتخاذ قرار. في النسخة التجريبية هو 40. عدد دورات التدريب - الافتراضي هو 100. عامل ب سرعة تصحيح الوزن، الافتراضي هو 0.7. وضع التعلم إي وضع التدريب إي. خلال التدريب، سيتم عرض القيم القصوى للخلايا العصبية في التعليقات على الرسم البياني. ويمكن استخدام هذه القيم كقيمة تنشيط للخلايا العصبية. ويرد مثال على ذلك في الشكل. تمكين التعليقات - تمكن التعليقات على الرسم البياني. السحر عدد من المستشارين. توقف مؤقتا بعد التداول بالميلي ثانية. وبشكل افتراضي، يتم تدريب إي على أوسجبي H1 على اثنين من الصفقات في عام 2012. ونتيجة اختبار الخبراء الخبراء في عام 2013. ويرد في الشكل 9.3.3 نماذج الشبكة العصبية الشبكات العصبية الاصطناعية هي أساليب التنبؤ التي تقوم على نماذج رياضية بسيطة من الدماغ. أنها تسمح العلاقات غير الخطية المعقدة بين متغير الاستجابة والمتنبئات بها. بنية الشبكة العصبية يمكن اعتبار الشبكة العصبية بمثابة شبكة من الخلايا العصبية المنظمة في الطبقات. وتشكل التنبؤات (أو المدخلات) الطبقة السفلية، وتشكل التنبؤات (أو المخرجات) الطبقة العليا. قد تكون هناك طبقات وسيطة تحتوي على الخلايا العصبية المخفية. أبسط الشبكات لا تحتوي على طبقات مخفية وتعادل الانحدار الخطي. ويبين الشكل 9.9 نسخة الشبكة العصبية من الانحدار الخطي مع أربعة تنبؤات. وتسمى المعاملات المرتبطة بهذه التنبؤات الأوزان. يتم الحصول على التوقعات من خلال مزيج خطي من المدخلات. يتم تحديد الأوزان في إطار الشبكة العصبية باستخدام خوارزمية التعلم التي تقلل من وظيفة التكلفة مثل مس. وبطبيعة الحال، في هذا المثال البسيط، يمكننا استخدام الانحدار الخطي الذي هو طريقة أكثر كفاءة لتدريب النموذج. وبمجرد إضافة طبقة متوسطة مع الخلايا العصبية المخفية، تصبح الشبكة العصبية غير خطية. ويرد مثال بسيط في الشكل 9.10. ويعرف هذا باسم شبكة تغذية متعددة الطبقات حيث تتلقى كل طبقة من العقد مدخلات من الطبقات السابقة. مخرجات العقد في طبقة واحدة هي مدخلات إلى الطبقة التالية. يتم الجمع بين المدخلات لكل عقدة باستخدام تركيبة خطية مرجحة. ثم يتم تعديل النتيجة من قبل وظيفة غير الخطية قبل أن الإخراج. على سبيل المثال، يتم دمج المدخلات في الخلايا العصبية المخفية j في الشكل 9.10 خطيا لإعطاء 91 زج بجي سوم 4 ث الحادي عشر. 93 في الطبقة الخفية، يتم تعديل هذا باستخدام وظيفة غير الخطية مثل السيني، لإعطاء المدخلات للطبقة التالية. هذا يميل إلى الحد من تأثير القيم الإدخال المدقع، مما يجعل الشبكة قوية إلى حد ما إلى القيم المتطرفة. يتم تعلم المعلمات b1، b2، b3 و w، النقاط، w من البيانات. وغالبا ما تقتصر قيم الأوزان على منعها من أن تصبح كبيرة جدا. والمعامل الذي يقيد الأوزان يعرف باسم معلمة الانحطاط وكثيرا ما يتم تعيينه ليكون مساويا ل 0.1. تأخذ الأوزان القيم العشوائية لتبدأ، والتي يتم تحديثها بعد ذلك باستخدام البيانات التي تمت ملاحظتها. وبالتالي، هناك عنصر من العشوائية في التنبؤات التي تنتجها الشبكة العصبية. لذلك، يتم تدريب الشبكة عادة عدة مرات باستخدام نقاط انطلاق عشوائية مختلفة، ويتم حساب متوسط ​​النتائج. يجب تحديد عدد الطبقات المخفية وعدد العقد في كل طبقة مخفية مسبقا. سننظر في الكيفية التي يمكن بها اختيار هذه الطرق باستخدام التحقق المتبادل لاحقا في هذا الفصل. مثال 9-5 تقدير االئتمان لتوضيح التنبؤ بالشبكات العصبية، سنستخدم مثال تقدير االئتمان الذي نوقش في الفصل 5. قمنا بتثبيت نموذج االنحدار الخطي التالي: بيتا بيتا بيتا x بيتا x بيتا 3x3 بيتا 4x4 e، لوغ (x1). ويمكن تمثيل ذلك بالشبكة المبينة في الشكل 9.9 حيث تكون المدخلات x1، والنقاط، x4 والإخراج y. ويمكن تركيب الشبكة العصبية الأكثر تطورا المبينة في الشكل 9.10 على النحو التالي. ليبراري 40 كاريت 41 كريديتلوغ lt - داتا. الإطار 40 درجة كريديتسكور، سجل. سجل الادخار 40 كريديتسافينغس 1 41، سجل. سجل الدخل 40 كريديتينكوم 1 41، لوغ. عنوان سجل 40 كريديتيمي. أدرس 1 41، لوغ. يعمل سجل 40 كريديتيمي. 1 41، فت كريديتفت، كريديتغل واحد 41 صالح lt - أفنيت 40 سجل النتيجة. سجل الادخار. سجل الدخل. عنوان السجل. العاملين. داتا كريديتلوغ، يكرر 25. حجم 3. تسوس 0.1، لينوت ترو 41 وظيفة أفنيت من حزمة كاريت يناسب الشبكة العصبية للأمام مع طبقة واحدة مخفية. الشبكة المحددة هنا تحتوي على ثلاث عقد (size3) في الطبقة المخفية. تم تعيين معلمة الاضمحلال إلى 0.1. ويوضح تكرار الحجة (25) أن 25 شبكة تم تدريبها وأن متوسط ​​توقعاتها. الحجة لينوترو تشير إلى أن الإخراج يتم الحصول عليها باستخدام وظيفة خطية. في هذا الكتاب، سنحدد دائما لينوترو. الانتكاس الذاتي للشبكة العصبية مع بيانات السلاسل الزمنية، يمكن استخدام القيم المتخلفة من السلاسل الزمنية كمدخلات للشبكة العصبية. تماما كما استخدمنا القيم المتخلفة في نموذج الانحدار الخطي (الفصل 8)، يمكننا استخدام القيم المتخلفة في الانتكاس الذاتي للشبكة العصبية. في هذا الكتاب، ننظر فقط في شبكات التغذية إلى الأمام بطبقة مخفية واحدة، ونستخدم الرمز نار (p، k) للإشارة إلى وجود مدخلات مخطئة p والعقد k في الطبقة المخفية. على سبيل المثال، نموذج نار (9،5) عبارة عن شبكة عصبية مع الملاحظات التسعة الأخيرة (y، y، دوتس، y) تستخدم كمدخلات للتنبؤ بالمخرجات y، وخمسة عصبونات في الطبقة الخفية. ويعادل النموذج N نار (p، 0) نموذج أريما (p، 0،0) ولكن بدون قيود على المعلمات لضمان الاستقرارية. مع البيانات الموسمية، فإنه من المفيد أيضا إضافة آخر القيم الملحوظة من نفس الموسم كما المدخلات. على سبيل المثال، يحتوي النموذج نار (3،1،2) على مدخلات y و y و y و y، واثنين من الخلايا العصبية في الطبقة الخفية. وبصورة أعم، يكون للنموذج نار (p، P، k) m مدخلات (y، y، دوتس، y، y، y، y) و نيورونس k في الطبقة المخفية. ويعادل النموذج نار (p، P، 0) m نموذج أريما (p، 0،0) (P، 0،0) m ولكن بدون قيود على المعلمات لضمان الاستقرارية. الدالة نيتار () تناسب نموذج نار (p، P، k) m. إذا لم يتم تحديد قيم p و P، يتم تحديدها تلقائيا. وبالنسبة للمسلسلات الزمنية غير الموسمية، يكون الافتراضي هو العدد الأمثل للتخلف (وفقا ل إيك) لنموذج أر (p) الخطية. وبالنسبة إلى السلاسل الزمنية الموسمية، تكون القيم الافتراضية P1 ويتم اختيار p من النموذج الخطي الأمثل المجهز بالبيانات المعدلة موسميا. إذا لم يتم تحديد k، يتم ضبطها على k (pP1) 2 (مقربة إلى أقرب عدد صحيح). مثال 9.6: البقع الشمسية يحتوي سطح الشمس على مناطق مغناطيسية تظهر على شكل بقع داكنة. وهذه تؤثر على انتشار الموجات الراديوية، ولذلك فإن شركات الاتصالات ترغب في توقع نشاط البقع الشمسية من أجل التخطيط لأي صعوبات في المستقبل. تتبع البقع الشمسية دورة طول بين 9 و 14 سنة. ويبين الشكل 9-11 التنبؤات الصادرة عن الشبكة الوطنية للبحث والإنذار (9،5) في السنوات العشرين القادمة. 40 40 توقعات، 40 20 41 41 التوقعات تنخفض فعليا بشكل طفيف، وهو أمر مستحيل بالطبع. إذا أردنا أن نحد من التنبؤات لتبقى إيجابية، يمكننا استخدام تحويل السجل (المحدد من قبل مربع-كوكس المعلمة لامدا 0): صالح لنتنيتار 40 سونسبوتاريا، لامدا 0 41 بلوت 40 إكسكوتيف 40 فيت، h 20 41 41