нейросеть

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 )