Neural Systems

rale design tilgjengelig. En type nevrale systemet som jeg har brukt mye for finansielle prognoser applikasjoner er kjent som en "forover", "tilbake forplantning" system med "overvåket læring". Før trening, har det nevrale systemet et "tomt sinn". Så du gir systemet med en omfattende mengde Intermarket tekniske data relatert til TBonds, inkludert ulike valutaer, Eurodollars, den amerikanske dollaren indeksen, S & P 500, samt grunnleggende data som Fed Funds rate.

Nevrale systemer bære begrepet "Intermarket analyse" til sin logiske konklusjon ved å kunne matematisk analysere og vurdere den relative virkningen at hver inngang markedet har på predictiveness av systemet. Disse inngangene må preprocessed eller "massert ved hjelp av ulike statistiske prosedyrer, for å møte systemets krav til opplæring. Så de er koblet sammen med faktiske daglige priser på statsobligasjoner (ønsket output). Er det viktig at systemets arkitektur, læringsmetode, inngangsdata, utganger, og masserer teknikker judiciously valgt for at systemet skal trene skikkelig.

Læring oppnås gjennom en kompleks, matematisk, iterativ prosess der det nevrale systemet er "opplært" på inngangsdata ved hjelp av statistisk feilanalyse. Under trening , når systemets anslag er feil, er tilkoblings vekter mellom nevroner modifisert for å minimalisere slike feil under påfølgende gjentakelser. Hver input /output par data kalles et faktum. Systemet lærer ved å ha disse feilsignaler forplante bakover gjennom nevronale lag til forhindre den samme feilen skjer igjen hver gang et faktum er teknikk George Lindsays brukt.

Anmeldelser