تجارب عن تدريب الأكسبرتات بشبكة عصبية

[financialmarket]

ممكن ترفق ملف الدل بالسورس الأصلي له للإطلاع والتعلم

أستطيع أن أشرح لك طريقة عمله ولكن عرض السورس كود بنفس الصيغة يستحيل لأني مشترك بمسابقة للأكسبرتات وسأسلم أكسبرت بهذا السورس كود غير أن الشروط الداخلية تختلف والمسابقة لسوء الحظ تشترط أن يكون الأكسبرت من تصميم المبرمج والا يكون مأخوذ من جهة معينة .
ملف ال DLL لا يقوم بتدريب الأكسبرت ولكنه يقوم بتخزين الأوزان المدربة ثم يطبقها علي معادلة الشبكة وميزة ملف DLL أن حسابته دقيقة وأكثر دقة من MQL4 كما أنه أسرع بالحسابات.

[الغلبان]

الحصول علي باك تست ممتاز من أسهل ما يمكن بالشبكات العصبية وأعطيني البروكر الذي تعمل عليه كي أعرف الأسبريد والأسعار وسأعطيك أكسبرت يعطيك باك تست مثل الذي تراه بمواقع الدعايا للأكسبرتات وستجربه بنفسك.

مانريده هو أن نحصل علي فورورد تست ممتاز أو علي الأقل يعطي ربح مستمر ولو قليل
فهل المبلغ الذي تحصل عليه كان باك تست أم فورورد تست؟

جرب هذا البروكر AFB ، واعملي تدريب لهذا الاكسبرت سأقوم بتجربته فورورد تست من خلال السيرفر عندي VPN، كما ارجو الإجابة عن الاستفسارات التالية:

1- هل يمكن عمل باك تست من خلال الشبكة العصبية باستخدام الباك تست الموجود في الميتاتريدر

2- هل تستفيد الشبكة العصبية من خاصية Optimization ؟

[financialmarket]

جرب هذا البروكر AFB ، واعملي تدريب لهذا الاكسبرت سأقوم بتجربته فورورد تست من خلال السيرفر عندي VPN، كما ارجو الإجابة عن الاستفسارات التالية:

1- هل يمكن عمل باك تست من خلال الشبكة العصبية باستخدام الباك تست الموجود في الميتاتريدر

2- هل تستفيد الشبكة العصبية من خاصية Optimization ؟

سأجهز أكسبرت أسكالبنج وأدربه

خاصية Optimization لكي نستفيد منها بالشبكه فنحن نحتاج أن نضع الأوزان التالية بخيارات الأكسبرت ونعمل خطوة 0.1 ونبدأ من صفر وننتظر حتي نحصل علي هذه النتائج وتوقع كم الزمن الذي نحتاجه. لذلك فنحن لا نستفيد منها والشبكة تنظم الأوزان من تلقاء نفسها بأستخدام خوارزم الأنتشار للخلف.

طبعا هذه الاوزان تعتبر قليلة والمفترض أن يكون بالشبكة أوزان أكثر

 w1[0][0]=-3.81080848522836;
w1[0][1]=2.53730636609086;
w1[0][2]=2.01160787654767;
w1[0][3]=3.34181502877859;
w1[0][4]=1.54624028050391;
w1[1][0]=-6.07519927553923;
w1[1][1]=-1.70464472933227;
w1[1][2]=1.54814449569249;
w1[1][3]=-7.86853616562925;
w1[1][4]=2.96561202819853;
w1[2][0]=-5.1545357193086;
w1[2][1]=2.12667905978066;
w1[2][2]=-2.41822517571888;
w1[2][3]=-2.77045978878739;
w1[2][4]=1.26960854215579;
w1[3][0]=6.44111864652603;
w1[3][1]=-1.85245126665577;
w1[3][2]=6.45081688723173;
w1[3][3]=4.65342283307327;
w1[3][4]=4.86682331715433;
w1[4][0]=4.91010451417886;
w1[4][1]=-4.84440304960238;
w1[4][2]=4.89019522756125;
w1[4][3]=-0.902807099086449;
w1[4][4]=3.35016697227038;
w1[5][0]=-4.0006189009399;
w1[5][1]=-3.85166210541181;
w1[5][2]=-2.135304609036;
w1[5][3]=-7.39770213040956;
w1[5][4]=-0.374312693629756;
w1[6][0]=8.61790097563627;
w1[6][1]=-4.79312446629155;
w1[6][2]=-5.78560594649789;
w1[6][3]=0.76324728818779;
w1[6][4]=0.656110007502132;
w1[7][0]=-1.60459337040595;
w1[7][1]=-4.29269276812404;
w1[7][2]=-0.326540398578182;
w1[7][3]=-4.83158198797183;
w1[7][4]=1.00546689840804;
w1[8][0]=-1.26156833718284;
w1[8][1]=-9.54257654787168;
w1[8][2]=8.19549039409394;
w1[8][3]=-4.25855311595292;
w1[8][4]=3.45962516967242;
w1[9][0]=-2.97299948655097;
w1[9][1]=3.74891566553294;
w1[9][2]=-1.59209283399909;
w1[9][3]=-0.253917472057198;
w1[9][4]=0.890530143994906;
w2[0]=-13.768910290436;
w2[1]=-14.4196318954056;
w2[2]=-16.3767524485559;
w2[3]=14.5639002300413;
w2[4]=35.0058819003818;
v[0]=15.5108558296347;
v[1]=11.6371386475092;
v[2]=15.4689587366178;
v[3]=17.3723577418026;
v[4]=11.2164202193525;
v[5]=-0.247585255131684;

   w1[0][0]=-5.98679616848043;
w1[0][1]=-0.69952982202944;
w1[0][2]=-0.684107752073812;
w1[0][3]=6.52981177293873;
w1[0][4]=1.43772896275507;
w1[1][0]=-5.16226838037317;
w1[1][1]=2.3626626889812;
w1[1][2]=-3.87287908999942;
w1[1][3]=-9.1532612249089;
w1[1][4]=4.98572540062951;
w1[2][0]=6.64422391752261;
w1[2][1]=-1.14908669585865;
w1[2][2]=2.12362356784712;
w1[2][3]=2.89586106626057;
w1[2][4]=-3.52102479446851;
w1[3][0]=-0.331030445905727;
w1[3][1]=-4.21061382942155;
w1[3][2]=-6.41331719308618;
w1[3][3]=-0.232218703103699;
w1[3][4]=-2.03526755745654;
w1[4][0]=-3.99104334505712;
w1[4][1]=-4.34756374690199;
w1[4][2]=-5.3226674836195;
w1[4][3]=0.140561787197568;
w1[4][4]=5.37164840683834;
w1[5][0]=0.733771698803416;
w1[5][1]=-3.73702680068943;
w1[5][2]=-2.47283359672279;
w1[5][3]=1.8966774461279;
w1[5][4]=0.97931573220482;
w1[6][0]=-1.56109341585743;
w1[6][1]=0.52981313368628;
w1[6][2]=-1.34578276110934;
w1[6][3]=-2.48794123572654;
w1[6][4]=4.49450075887714;
w1[7][0]=-1.98154186426258;
w1[7][1]=-2.20319697044998;
w1[7][2]=1.93176189977823;
w1[7][3]=6.28530111572437;
w1[7][4]=7.98667239269192;
w1[8][0]=-1.20510178307378;
w1[8][1]=1.58058970514223;
w1[8][2]=-0.10731281196481;
w1[8][3]=2.91603947956792;
w1[8][4]=0.995475634539619;
w1[9][0]=-2.85976584777503;
w1[9][1]=-1.20180726244566;
w1[9][2]=-7.557698085768;
w1[9][3]=-3.09527341040563;
w1[9][4]=-3.52024046410224;
w2[0]=-17.291527519267;
w2[1]=-36.2456279494916;
w2[2]=36.0932714357115;
w2[3]=-36.2762222697074;
w2[4]=-3.22791340879875;
v[0]=11.3949127517275;
v[1]=5.00469343424496;
v[2]=9.71586034880661;
v[3]=16.0518840876186;
v[4]=9.67655788506484;
v[5]=-1.58300674783819;

[Dr.SeMSeM]

طيب قلنا عالاقل فكرة عمله عشان نعرف نجيبلك فلاتر لكن احنا إزاي حنقلك على فلاتر ل حاجة منعرفهاش إزاي

[الغلبان]

سأجهز أكسبرت أسكالبنج وأدربه

خاصية Optimization لكي نستفيد منها بالشبكه فنحن نحتاج أن نضع الأوزان التالية بخيارات الأكسبرت ونعمل خطوة 0.1 ونبدأ من صفر وننتظر حتي نحصل علي هذه النتائج وتوقع كم الزمن الذي نحتاجه. لذلك فنحن لا نستفيد منها والشبكة تنظم الأوزان من تلقاء نفسها بأستخدام خوارزم الأنتشار للخلف.

طبعا هذه الاوزان تعتبر قليلة والمفترض أن يكون بالشبكة أوزان أكثر

 w1[0][0]=-3.81080848522836;
w1[0][1]=2.53730636609086;
w1[0][2]=2.01160787654767;
w1[0][3]=3.34181502877859;
w1[0][4]=1.54624028050391;
w1[1][0]=-6.07519927553923;
w1[1][1]=-1.70464472933227;
w1[1][2]=1.54814449569249;
w1[1][3]=-7.86853616562925;
w1[1][4]=2.96561202819853;
w1[2][0]=-5.1545357193086;
w1[2][1]=2.12667905978066;
w1[2][2]=-2.41822517571888;
w1[2][3]=-2.77045978878739;
w1[2][4]=1.26960854215579;
w1[3][0]=6.44111864652603;
w1[3][1]=-1.85245126665577;
w1[3][2]=6.45081688723173;
w1[3][3]=4.65342283307327;
w1[3][4]=4.86682331715433;
w1[4][0]=4.91010451417886;
w1[4][1]=-4.84440304960238;
w1[4][2]=4.89019522756125;
w1[4][3]=-0.902807099086449;
w1[4][4]=3.35016697227038;
w1[5][0]=-4.0006189009399;
w1[5][1]=-3.85166210541181;
w1[5][2]=-2.135304609036;
w1[5][3]=-7.39770213040956;
w1[5][4]=-0.374312693629756;
w1[6][0]=8.61790097563627;
w1[6][1]=-4.79312446629155;
w1[6][2]=-5.78560594649789;
w1[6][3]=0.76324728818779;
w1[6][4]=0.656110007502132;
w1[7][0]=-1.60459337040595;
w1[7][1]=-4.29269276812404;
w1[7][2]=-0.326540398578182;
w1[7][3]=-4.83158198797183;
w1[7][4]=1.00546689840804;
w1[8][0]=-1.26156833718284;
w1[8][1]=-9.54257654787168;
w1[8][2]=8.19549039409394;
w1[8][3]=-4.25855311595292;
w1[8][4]=3.45962516967242;
w1[9][0]=-2.97299948655097;
w1[9][1]=3.74891566553294;
w1[9][2]=-1.59209283399909;
w1[9][3]=-0.253917472057198;
w1[9][4]=0.890530143994906;
w2[0]=-13.768910290436;
w2[1]=-14.4196318954056;
w2[2]=-16.3767524485559;
w2[3]=14.5639002300413;
w2[4]=35.0058819003818;
v[0]=15.5108558296347;
v[1]=11.6371386475092;
v[2]=15.4689587366178;
v[3]=17.3723577418026;
v[4]=11.2164202193525;
v[5]=-0.247585255131684;

   w1[0][0]=-5.98679616848043;
w1[0][1]=-0.69952982202944;
w1[0][2]=-0.684107752073812;
w1[0][3]=6.52981177293873;
w1[0][4]=1.43772896275507;
w1[1][0]=-5.16226838037317;
w1[1][1]=2.3626626889812;
w1[1][2]=-3.87287908999942;
w1[1][3]=-9.1532612249089;
w1[1][4]=4.98572540062951;
w1[2][0]=6.64422391752261;
w1[2][1]=-1.14908669585865;
w1[2][2]=2.12362356784712;
w1[2][3]=2.89586106626057;
w1[2][4]=-3.52102479446851;
w1[3][0]=-0.331030445905727;
w1[3][1]=-4.21061382942155;
w1[3][2]=-6.41331719308618;
w1[3][3]=-0.232218703103699;
w1[3][4]=-2.03526755745654;
w1[4][0]=-3.99104334505712;
w1[4][1]=-4.34756374690199;
w1[4][2]=-5.3226674836195;
w1[4][3]=0.140561787197568;
w1[4][4]=5.37164840683834;
w1[5][0]=0.733771698803416;
w1[5][1]=-3.73702680068943;
w1[5][2]=-2.47283359672279;
w1[5][3]=1.8966774461279;
w1[5][4]=0.97931573220482;
w1[6][0]=-1.56109341585743;
w1[6][1]=0.52981313368628;
w1[6][2]=-1.34578276110934;
w1[6][3]=-2.48794123572654;
w1[6][4]=4.49450075887714;
w1[7][0]=-1.98154186426258;
w1[7][1]=-2.20319697044998;
w1[7][2]=1.93176189977823;
w1[7][3]=6.28530111572437;
w1[7][4]=7.98667239269192;
w1[8][0]=-1.20510178307378;
w1[8][1]=1.58058970514223;
w1[8][2]=-0.10731281196481;
w1[8][3]=2.91603947956792;
w1[8][4]=0.995475634539619;
w1[9][0]=-2.85976584777503;
w1[9][1]=-1.20180726244566;
w1[9][2]=-7.557698085768;
w1[9][3]=-3.09527341040563;
w1[9][4]=-3.52024046410224;
w2[0]=-17.291527519267;
w2[1]=-36.2456279494916;
w2[2]=36.0932714357115;
w2[3]=-36.2762222697074;
w2[4]=-3.22791340879875;
v[0]=11.3949127517275;
v[1]=5.00469343424496;
v[2]=9.71586034880661;
v[3]=16.0518840876186;
v[4]=9.67655788506484;
v[5]=-1.58300674783819;

أنت تعرف وظيفة Optimization لوضع أفضل اعدادات في فترة زمنية معينة بالطبع فالأوزان قد تكون قليلة وقد تكون كثيرة حسب رغبة المختبر نفسه، على العموم أنا في أنتظار الأكسبرت ، كما أنك لم تجب على السؤال الأول وذلك لأهميته بشكل كبير

مع خالص الشكر،،،

[financialmarket]

هذا الاكسبرت



وأنا غير راضي علي الفلاتر

[financialmarket]

طيب قلنا عالاقل فكرة عمله عشان نعرف نجيبلك فلاتر لكن احنا إزاي حنقلك على فلاتر ل حاجة منعرفهاش إزاي

يعمل بشبكة متعددة الطبقات وكل فلتر عبارة عن رقم مابين 1 الي -1 ويبين شيء معين يحصل علي التشارت كي تستطيع الشبكة التفرقه بين ظروف الخساره وظروف الربح ويجب أن تكون الفلاتر لها علاقه مع الربح والخسارة وليست عشوائية كي تتمكن الشبكة من التوقع بنجاح وبعد أن تتعلم الشبكة تأخذ الأوزان المدربة وتدخلها بهذه المعادلة

[الغلبان]

هذا الاكسبرت



وأنا غير راضي علي الفلاتر

النتائج خارقة لماذا غير راضي عن الفلاتر ؟؟؟ !!

[financialmarket]

النتائج خارقة لماذا غير راضي عن الفلاتر ؟؟؟ !!

لكي تكون الفلاتر ناجحه فلابد أن تكون لها علاقة منتظمة مع الربح والخسارة.

يعني مثلا

الفلتر الأول هو وصول السعر لمنطقة فيبونانشي معينة (لابد من أستمرار ربح صفقات الشراء مثلا عند هذه المنطقة أو علي الأقل الأغلبية تربح عند هذه المنطقة )

أما اذا لم توجد علاقة بين الفلاتر والربح والخسارة فأن الشبكة ستتمكن من عمل باك تست جيد وتنظيم مجموعة فلاتر عشوائية مع الربح والخسارة ولكن توقعها المستقبلي لن يكون جيد (لأنه لا توجد علاقة بين الفلاتر والربح والخسارة والفلاتر هي فلاتر عشوائية ليس لها أي علاقة ولو قليلة مع الربح والخسارة)

[الغلبان]

لكي تكون الفلاتر ناجحه فلابد أن تكون لها علاقة منتظمة مع الربح والخسارة.

يعني مثلا

الفلتر الأول هو وصول السعر لمنطقة فيبونانشي معينة (لابد من أستمرار ربح صفقات الشراء مثلا عند هذه المنطقة أو علي الأقل الأغلبية تربح عند هذه المنطقة )

أما اذا لم توجد علاقة بين الفلاتر والربح والخسارة فأن الشبكة ستتمكن من عمل باك تست جيد وتنظيم مجموعة فلاتر عشوائية مع الربح والخسارة ولكن توقعها المستقبلي لن يكون جيد (لأنه لا توجد علاقة بين الفلاتر والربح والخسارة والفلاتر هي فلاتر عشوائية ليس لها أي علاقة ولو قليلة مع الربح والخسارة)

طيب والحل ؟؟ لأني عاوز انزله فورورد تست على السيرفر ومن كلامك ترددت

[financialmarket]

طيب والحل ؟؟ لأني عاوز انزله فورورد تست على السيرفر ومن كلامك ترددت

الحل هو البحث عن فلاتر لها علاقه ولو قليله مع الربح والخساره
وتستطيع أن تختبر هذا الأكسبرت (فورورد تست ) علي الباك تست.
يعني تعمل له باك تست بنهاية اليوم وتنظر للصفقات الجديده التي عملها (لم يتدرب عليها)
فأذا وجدتها مطابقه للباك تست وتستمر بالنجاح فهذه أخبار مفرحه وقم بتجريبه فورورد تست مباشرة

[NBlack]

شكرا اخي الكريم على هذا الموضوع
ارى انك تعطي الشبكة حالة اخر عشر شمعات على المدخلات لتحصل على تنبئ الشمعة التالية
جربت هذه الطريقة بنفسي على اليورو دولار و لم تنفع
هل انت متاكد ان هذه الشبكة تتعلم و لا تحفظ عن ظهر قلب؟

[financialmarket]

هل انت متاكد ان هذه الشبكة تتعلم و لا تحفظ عن ظهر قلب؟

هذه شبكة متعددة الطبقات.
قرأت عن هذه الشبكه أنها تحتاج لأمثله ولا بد من وجود حالات شبيهه كي تتوقع مثلها .

يعني لو أعطيناها 3 مدخلات وخرج واحد

1 1 0 والناتج 1

0 0 1 والناتج 0

0 0 1 والناتج 1

بعد تعليمها
لو أعطيناها 1 1 0 ستعطينا 0.96 (قريب من 1)

ولو أعطيناها 0 0 1 ( مكررة ويختلف الناتج) تعطينا 0.49 بين 0 و 1

ولو أعطيناها حاله جديده لم ندربها عليها
1 0 1 ستجد العينة الأولي الناتج 1 والعينة الثالثه الناتج 1 ويوجد ناتج 0 بالعينه الثانيه فتعطينا 0.86
اما اذا دربنا الشبكة علي العينه الأولي والثانيه فقط فتعطينا 0.52 (مابين 0 و 1)

وقرأت أن شبكات التنظيم الذاتي أكثر فاعلية مع الظروف الغير متوقعه.

[الغلبان]

أخي financialmarket حفظك الله

مرفق أكسبرت أراه جيدا ما هي إمكانية تدريب هذا الإكسبرت من عدمه، وحسب Optimization كأفضل إعدادات مرفق طيه لآخر ثلاث سنوات مع صورة للباك تست

MagicNumber=12345
MagicNumber,F=0
MagicNumber,1=12345
MagicNumber,2=0
MagicNumber,3=0
SignalMail=0
EachTickMode=0
Lots=0.01100000
Lots,F=1
Lots,1=0.01000000
Lots,2=0.00100000
Lots,3=0.10000000
Slippage=5
Slippage,F=0
Slippage,1=5
Slippage,2=0
Slippage,3=0
UseStopLoss=1
StopLoss=196
StopLoss,F=1
StopLoss,1=25
StopLoss,2=1
StopLoss,3=200
UseTakeProfit=1
TakeProfit=398
TakeProfit,F=1
TakeProfit,1=25
TakeProfit,2=1
TakeProfit,3=400
UseTrailingStop=1
TrailingStop=45
TrailingStop,F=1
TrailingStop,1=25
TrailingStop,2=1
TrailingStop,3=150
Risk=5
Risk,F=1
Risk,1=1
Risk,2=1
Risk,3=5

مع خالص الشكر،،،

[financialmarket]

أخي financialmarket حفظك الله

مرفق أكسبرت أراه جيدا ما هي إمكانية تدريب هذا الإكسبرت من عدمه، وحسب Optimization كأفضل إعدادات مرفق طيه لآخر ثلاث سنوات مع صورة للباك تست

MagicNumber=12345
MagicNumber,F=0
MagicNumber,1=12345
MagicNumber,2=0
MagicNumber,3=0
SignalMail=0
EachTickMode=0
Lots=0.01100000
Lots,F=1
Lots,1=0.01000000
Lots,2=0.00100000
Lots,3=0.10000000
Slippage=5
Slippage,F=0
Slippage,1=5
Slippage,2=0
Slippage,3=0
UseStopLoss=1
StopLoss=196
StopLoss,F=1
StopLoss,1=25
StopLoss,2=1
StopLoss,3=200
UseTakeProfit=1
TakeProfit=398
TakeProfit,F=1
TakeProfit,1=25
TakeProfit,2=1
TakeProfit,3=400
UseTrailingStop=1
TrailingStop=45
TrailingStop,F=1
TrailingStop,1=25
TrailingStop,2=1
TrailingStop,3=150
Risk=5
Risk,F=1
Risk,1=1
Risk,2=1
Risk,3=5

مع خالص الشكر،،،

مع أني أجد مشاكل بتدريب أكسبرتات التريلنج أستوب بالذات لكن سأحاول معه.

هذا الاكسبرت ينقصه مؤشر لكي يعمل ( Eur_Harvester)