Neural Systems

p av neurala system som jag har används i stor utsträckning för finansiella prognostillämpningar är känd som en "feedforward", "back propagation" systemet med "övervakad inlärning". Före träning, har nervsystem en "tomt sinne". Då kan du förse systemet med en omfattande Intermarket tekniska uppgifter om TBonds, inklusive olika valutor, eurodollar, US Dollar Index, S & P 500, samt grundläggande data som styrräntan.

Neurala system bär begreppet "Intermarket analys" till sin logiska slutsats genom att kunna matematiskt analysera och väga den relativa effekten att varje ingång marknad har på predictiveness av systemet. Dessa ingångar måste förbehandlas eller "mass med hjälp av olika statistiska metoder, för att möta systemets utbildningsbehov. Sedan är ihopkopplade med de faktiska dagspriser på statsobligationer (önskad effekt). Det är viktigt att systemets arkitektur, inlärningsmetod, indata, resultat och massera tekniker omdömesgillt väljas för att systemet ska träna ordentligt.

Lärande sker genom en komplex, matematisk, iterativ process där nervsystem är "utbildade" på indata med hjälp av analys statistiska fel. Under utbildningen närhelst systemets prognoser är felaktiga, är förbindelsevikterna mellan nervceller modifieras för att minimera sådana fel under efterföljande iterationer. Varje input /output par data kallas ett faktum. Systemet lär sig genom att ha dessa felsignaler propagera bakåt genom neuronala lager till förhindra att samma misstag upprepas varje gång ett faktum är George Lindsay teknik tillämpas.

Omdömen