Rangkaian neural – HMA

※ Rangkaian neural - Hull Transferring Common ※

☛ Jurik Filters/Smoothing and customized MA sorts by mladen
☛ Lebih tinggi & Greatest Formulation (Lebih tinggi & pengiraan APB)
☛ Makes use of Hull MA (by Allan Hull) however this one is a variation from Low lag to Zero lag
☛ Greatest use with Volumes on Fundamental Chart indicator - beneficial for indicator set off/replace motion

Prinsip sementara Rangkaian Neural:

Neural community ialah peragawati output boleh laras sebagai keupayaan input. Ia terdiri daripada beberapa lapisan:

1. masukkan lapisan, yang terdiri daripada masukkan pengetahuan
2. lapisan tersembunyi, which consists of processing nodes referred to as neuron
3. lapisan keluaran, yang terdiri daripada 1 atau beberapa neuron, yang outputnya adalah output komuniti.

Semua nod lapisan bersebelahan adalah saling berkaitan. These connections are referred to as sinaps. Setiap sinaps mempunyai pekali penskalaan yang ditetapkan, by which the information propagated by way of the synapse is multiplied. These scaling coefficient are referred to as weights (w[i][j][k]). Didalam Rangkaian Neural Feed-Ahead (FFNN) the information is propagated from inputs to the outputs. Di sini adalah contoh FFNN dengan satu lapisan masuk, one output layer and two hidden layers:

Gambar Bersambung (klik pada untuk besarkan)

The topology of a FFNN is usually abbreviated as follows: <# daripada input> - <# neuron dalam lapisan tersembunyi pertama> - <# neuron dalam lapisan tersembunyi kedua> -...- <# daripada keluaran>. The above community may be known as a 4-3-3-1 masyarakat.
The information is processed by neurons in two steps, sepadan dibuktikan di seluruh bulatan dengan isyarat penjumlahan dan isyarat langkah:

1. Semua input didarab dengan pemberat yang berkaitan dan dijumlahkan
2. The ensuing sums are processed by the neuron's activation perform, yang keluarannya ialah keluaran neuron.

It's the neuron's activation perform that provides non-linearity to the neural community mannequin. Tanpanya, there is no such thing as a motive to have hidden layers, dan komuniti saraf bertukar menjadi auto-regresif linear (AR) patung.

☝ I can't present any sort of assist like coding (bersama kod bekalan) dan perkhidmatan penyelesaian masalah. For now, it's possible you'll use this indicator so long as you're armed with the data/talent of the way to use the standard TDI indicator. You may additionally regulate the parameters/settings based mostly in your choice.

☢ By the way in which, there aren't any ensures that these indicators work completely or with out errors. Oleh itu, use at your individual threat; Saya bersetuju untuk tiada tanggungjawab undang-undang untuk kerosakan sistem, kerugian kewangan dan juga kekurangan nyawa.

Gambar Bersambung (klik pada untuk besarkan)

Add date: 06:24 PM | Selasa, 12 Jun 2018 | Greenwich Menyiratkan Masa (GMT)

Fail Bersambung

Neural-Network_Hull-MA_Jurik.zip 128 KB | 64 muat turun