Лучший Форекс-брокер – компания «Альпари». Более 3 млн. клиентов из 150 стран. На рынке – с 1998 года. Выгодные торговые условия, ECN-счета с доступом к межбанковской ликвидности и мгновенным исполнением, 48 валютных пар, металлы спот, CFD на товарные фьючерсы, фондовые индексы и криптовалюты, положительные отзывы реальных трейдеров.
Книги по Forex и биржевой торговле
Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика

В книге американского автора в общедоступной форме излагаются основы построения нейрокомпьютеров. Описаны структура нейронных сетей и различные алгоритмы их настройки. Отдельные главы посвящены вопросам реализации нейронных сетей. Для специалистов в области вычислительной техники, а также студентов соответствующих специальностей вузов.

Один из лучших Форекс-брокеров «Forex4you» Один из лучших Форекс-брокеров «Forex Club»
Один из наиболее надежных Форекс-брокеров – компания «NPBFX» (Форекс от Нефтепромбанка). Выгодные торговые условия, разрешен скальпинг и высокочастотная торговля, любые торговые советники и стратегии, вывод каждой сделки на межбанк, мощная аналитика, бесплатные обучающие материалы, готовые торговые стратегии в Аналитическом портале. На рынке – с 1996 года.

САМООРГАНИЗАЦИЯ

В работе [3] описывались интересные и полезные результаты исследований Кохонена на самоорганизующихся структурах, используемых для задач распознавания образов. Вообще эти структуры классифицируют образы, представленные векторными величинами, в которых каждый компонент вектора соответствует элементу образа. Алгоритмы Кохонена основываются на технике обучения без учителя. После обучения подача входного вектора из данного класса будет приводить к выработке возбуждающего уровня в каждом выходном нейроне; нейрон с максимальным возбуждением представляет классификацию. Так как обучение проводится без указания целевого вектора, то нет возможности определять заранее, какой нейрон будет соответствовать данному классу входных векторов. Тем не менее это планирование легко проводится путем тестирования сети после обучения.

Алгоритм трактует набор из n входных весов нейрона как вектор в n-мерном пространстве. Перед обучением каждый компонент этого вектора весов инициализируется в случайную величину. Затем каждый вектор нормализуется в вектор с единичной длиной в пространстве весов. Это делается делением каждого случайного веса на квадратный корень из суммы квадратов компонент этого весового вектора.

Все входные вектора обучающего набора также нормализуются и сеть обучается согласно следующему алгоритму:

1. Вектор Х подается на вход сети.

2. Определяются расстояния Dj (в n-мерном пространстве) между Х и весовыми векторами Wj каждого нейрона. В евклидовом пространстве это расстояние вычисляется по следующей формуле

где хi – компонента i входного вектора X, wij – вес входа i нейрона j.

3. Нейрон, который имеет весовой вектор, самый близкий к X, объявляется победителем. Этот весовой вектор, называемый Wc, становится основным в группе весовых векторов, которые лежат в пределах расстояния D от Wc.

4. Группа весовых векторов настраивается в соответствии со следующим выражением:

Wj(t+l) = Wj(t) + ?[X – Wj(t)]

для всех весовых векторов в пределах расстояния D от Wc

5. Повторяются шаги с 1 по 4 для каждого входного вектора.


Знаете ли Вы, что: Fort Financial Services дарит бездепозитный бонус в размере $35 всем новым клиентам, прошедшим верификацию.


Лучший Форекс-брокер – компания «ForexClub». На рынке – с 1997 года. Более 30 международных наград за развитие торговых терминалов и достижения в области финансовой аналитики, более 100 офисов в различных странах мира, более 50 эффективных учебных курсов. Минимальный депозит – от $10.

В процессе обучения нейронной сети значения D и ? постепенно уменьшаются. Автор [3] рекомендовал, чтобы коэффициент ? в начале обучения устанавливался приблизительно равным 1 и уменьшался в процессе обучения до 0, в то время как D может в начале обучения равняться максимальному расстоянию между весовыми векторами и в конце обучения стать настолько маленьким, что будет обучаться только один нейрон.

В соответствии с существующей точкой зрения, точность классификации будет улучшаться при дополнительном обучении. Согласно рекомендации Кохонена, для получения хорошей статистической точности количество обучающих циклов должно быть, по крайней мере, в 500 раз больше количества выходных нейронов.

Обучающий алгоритм настраивает весовые векторы в окрестности возбужденного нейрона таким образом, чтобы они были более похожими на входной вектор. Так как все векторы нормализуются в векторы с единичной длиной, они могут рассматриваться как точки на поверхности единичной гиперсферы. В процессе обучения группа соседних весовых точек перемещается ближе к точке входного вектора. Предполагается, что входные векторы фактически группируются в классы в соответствии с их положением в векторном пространстве. Определенный класс будет ассоциироваться с определенным нейроном, перемещая его весовой вектор в направлении центра класса и способствуя его возбуждению при появлении на входе любого вектора данного класса.

После обучения классификация выполняется посредством подачи на вход сети испытуемого вектора, вычисления возбуждения для каждого нейрона с последующим выбором нейрона с наивысшим возбуждением как индикатора правильной классификации.

Яндекс.Метрика
Лучшие брокеры:
Лучший Форекс-брокер «Альпари»
Очень хороший Форекс-брокер «Forex Club»
Еще один очень хороший Форекс-брокер «Forex4you»
Содержание К началу
«AMarkets» – Форекс-брокер с максимальным процентом успешных клиентов Forex: пять шагов к успешному трейдингу Один из лучших Форекс-брокеров «Forex4you»