10月 11, 2018
投稿者: 外国為替Wikiチーム
カテゴリー: 外国為替取引システム

コメントはありません 1986 1827

※ ニューラルネットワーク ─ 船体転送共通 (HMA) & 偏差スケール転送コモン (DSMA) ※

☛ HMA アルゴリズムを使用しますが、これは低遅延からゼロ遅延までのバリエーションです。
その後... 次のものと融合する:
↓
☛ Jurik フィルター/スムージングおよびカスタマイズされた MA の種類
☛ 偏差スケール転送共通アルゴリズムとの混合
☛ より高い & 最高のメソッド (より高い & APBの計算)

注意してください: 最大の用途プライマリチャートインジケーターの出来高 ─ インジケーターのオフ/交換モーションに推奨

ニューラルネットワークの過渡原理:

ニューラルコミュニティ 入力の機能としての出力の調整可能なマネキンです. それはいくつかのもので構成されています レイヤー:

レイヤーに入る, 知識を入力することで構成されます
隠れ層, として知られる処理ノードで構成されます。 ニューロン
出力層, で構成されています 1 または多数のニューロン, その出力はコミュニティ出力です.

隣接するレイヤーのすべてのノードは相互接続されています. これらの接続は次のように呼ばれます。 シナプス. 各シナプスにはスケーリング係数が割り当てられています, シナプスによって伝播される情報が乗算されます。. これらのスケーリング係数は重みとして知られています (w[私][j][k]). で フィードアヘッドニューラルネットワーク (FFNN) 情報は入力から出力に伝播されます. ここに 1 つの入力レイヤーを持つ FFNN のインスタンスがあります。, 1つの出力層, そして2つの隠れ層:

接続された画像

FFNN のトポロジは、一般に次のように省略されます。: <# 入力の> - <# 最初の隠れ層内のニューロンの数> - <# 2 番目の隠れ層内のニューロンの数> -...- <# 出力の>. 上記のコミュニティは、 4-3-3-1 コミュニティ.
情報はニューロンによって 2 つのステップで処理されます, 円周全体にわたって和信号とステップ信号によって対応して証明される:

すべての入力に関連する重みが乗算され、合計されます。
後続の合計はニューロンによって処理されます。 活性化操作, その出力はニューロン出力です.

ニューロンの活性化操作により、ニューラルコミュニティのマネキンに非線形性がもたらされます。. それなしで, 非表示レイヤーを設ける動機はありません, そして神経コミュニティは線形自己回帰に変わります (AR) マネキン.

✜ 偏差スケール転送コモン (DSMA) ✜

読む外国為替ライン改訂テンプレート -[私的使用]- 非再描画インジケーター

新品 DSMA John Ehlers によって作成され、7 月に掲載されました 2018 TASCジャーナルの状況.

DSMA は、動的平滑化係数と共通の指数関数的な転送として機能する知識平滑化手法です。. 平滑化係数は、主に値の変更の大きさに基づいて機械的に最新になります。. 偏差値変換コモン内, 暗示からの通常の偏差が、この大きさの尺度として選択されます。. 次のインジケーターは、値の変更が小さい場合でも、それらの変更にすぐに適応して情報を大幅に平滑化します。.

筆者はそのデザインのせいだと説明している, 遅延は最小限ですが、かなりのスムージングを提供する準備ができています. それにもかかわらず、, ニューラルネットワーク - HMA & DSMA インジケーターは、Jurik フィルター/平滑化とゼロラグ HMA システムと融合されています。.