нейросеть

Часть I. Человек с точки зрения науки. Глава 1 Квантовый человек http://flibusta.is/b/353595/read

Джо Диспенза исследует энергетические аспекты реальности с чисто научной точки зрения и даёт читателю всё, что необходимо для осуществления серьёзных положительных изменений в жизни. Его выводы, подкреплённые данными нейронауки, ставят под сомнение наши представления о человеке и о границах его возможностей. С  помощью определённой последовательности медитаций можно сознательно изменить структуру нейронной сети и настроить свой мозг на радость и творчество.Корни прошлых неудач можно свести к одной глобальной ошибке: вы не были готовы жить с полным осознанием истины о том, что наши мысли обладают столь огромной силой, что буквально создают нашу реальность.

Чтобы изменить жизнь, нужно изменить представления о природе реальности

Декарт был сторонником механистической модели мира, согласно которой Вселенная подчиняется определённым законам. Анализируя же человеческую мысль, Декарт столкнулся с настоящей проблемой: в работе разума оказалось слишком много переменных, и её нельзя было свести к единым законам. Именно Декарт «виноват» в противопоставлении разума и материи.

( Читать дальше )

       Посчастливилось ознакомиться с учебным пособием наших харьковских учёных, имеющем отношение к автоматизированному трейдингу, советникам и торговым роботам.
        В связи с тем, что многие трейдеры годами ищут для своей торговли подобных «помощников» и «Святые Граали», решил написать рецензию на эту книгу, заодно окунувшись в кухню создания всевозможных Граалей. Ведь большинство трейдеров, убедившись в том, что очередной индикатор или советник пока ещё не «Святой Грааль», с надеждой продолжают свои поиски дальше. Благо, есть где и что искать. А также находится много помощников в этом деле. Но задумываются ли они над тем, кем и как создаются все эти бесчисленные претенденты в «Грааль». Откуда они берутся и зачем.

       ЧАСТЬ 1. Учёные и их научные исследования.
       В данного учебного пособия довольно представительный авторский коллектив, солидные рецензенты, серьёзные исследования… Рекомендовано Министерством образования и науки Украины.

( Читать дальше )

При нормализации входных данных для нейросети, нормализовать стоит для каждого входа отдельно, или же объединить и нормализовать весь массив данных, а затем разделить их для каждого входа. 

Ведь порядки входных векторов могут различаться, например для рси они лежат в диапазоне от 0 до 100, а для stdV от 0.000001 до 0.001, например. 

Здравствуйте Уважаемые участники форума!

Обращаюсь к Вам за советом по такому вопросу:

Имеется торговая система, построенная с применением нейронных сетей, которая имеет 12 оптимизируемых параметров – вещественных чисел в диапазоне от -1 до 1.

В качестве эксперимента была проведена оптимизация этих параметров на фьючерсе на обыкновенные акции сбербанка на минутках. Количество точек данных для оптимизации -30000 (это примерно 2 месяца). После этого система проверялась на новых данных – 10000 точек.

Результаты оптимизации и проверки представлены на рисунке.

Светло-зеленая кривая – это эквити счета, ниже – график цены.

Зеленые и красные линии – это сделки, просто их очень много и там все сливается.

Собственно сам вопрос: Что будет эффективнее в реальной торговле – переоптимизация параметров раз в день на последних данных за 2 месяца (последние 30000 минутных свечей), или переоптимизация каждый час на последних 3000 минутных свечах, или пероптимизация каждые 5 минут, или еще какой то вариант? То есть интересует оптимальная частота оптимизации и размер обучающего набора данных. Причем наблюдается такая взаимосвязь: чем больше обучающий набор данных, тем меньше средняя доходность системы на обучающем наборе, но тем больше вероятность того что система будет показывать эту доходность на данных которые она не видела. И наоборот, чем меньше обучающий набор, тем больше средняя доходность на обучающем наборе и тем меньше вероятность, что система покажет прибыль на неизвестных данных.   

( Читать дальше )