صفحة 11 من 18 الأولىالأولى ... 567891011121314151617 ... الأخيرةالأخيرة
النتائج 151 إلى 165 من 261
  1. #151
    الصورة الرمزية ahmedfeki
    ahmedfeki غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2010
    الإقامة
    تونس
    المشاركات
    506

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    الشبكة العصبية Neural Network :
    إن هذا الدرس مهم جدا ...حيث سنتعرف فيه كيف ننشئ شبكة عصبية بإستعمال برنامج الكورتيكس وبأستعمال لغة البرمجة S-LANG أي عن طريق السكربتات
    لذلك فإن هذا الدرس سينقسم إلى مرحلتين :
    *أولا : إنشاء الشبكة العصبية عن طريق برنامج كورتيكس :

    نفتح برنامج كورتيكس ثم نضغط على File ثم New NN File.


    مع هذا البرنامج نجد 3 ملفات من البيانات--genz.*و msft.* و eurusd.*
    أول اثنين تحتوي على أسعار أسهم Genzyme و Microsoft
    والثالثة تحتوي على أسعار زوج الدولار واليورو.
    ليس هناك فرق بين سوق الأسهم والفوركس من ناحية التنبؤ عن طريق الشبكة العصبية
    انقر فوق الزر "..." لفتح ملف genz.txt
    عن طريق هذا المسار : data/stocks/genz.txt ....


    كما نلاحظ أنه بإمكاننا تحديد سطر البداية وسطر نهاية البيانات التي ستتعلم عليها الشبكة
    كما أن هذا الملف ،يحتوي على البيانات الجديدة أولا ،وبما أن الشبكة العصبية
    تبدء بتحليل البيانات من الماضي والقديمة منها إلى الحاضر
    لذلك يجب أن نعكس ترتيب البيانات وذلك بالضغط على Reverse



    نضعط الأن على "Select fields" وستظهر لنا أسماء أعمدة البيانات في قائمة المدخلات والمخرجات واللتي بدورها سنقوم بإختيار ماهو مناسب

    سنضغط الأن على "Adj. Close*" في قائمة المخرجات والمدخلات
    سنقوم بإستعمال أسعار الإغلاق السابقة للتنبؤ بسعر المستقبل
    فلا يمكن أن نستعمل مثلا سعر اليوم فقط لتنبؤ بسعر الغد ولكن يجب
    أن نستعمل مثلا سعر اليوم والأمس .و..و..إلخ يجب أن نعرف ماذا حصل مع السعر
    وتكون المدخلات هي اسعار الإغلاقات السابقة واحدة بجانب الأخرى وهذا ما يسمى lag File
    لذلك نضغط على الزر Generete Lag FIle وسيضهر لنا جدول به أسعار الإغلاقات بجانب بعضها كل 10 أيام .

    وكما تلاحظون كل سطر به أسعار اليوم الحالي وأسعار 9 أيام ماضية
    لنقوم الأن بإختيار المدخلات الجديدة :
    نضغط من جديد على "Select fields"
    ونقوم باختيار
    "Adj. Close*-1", "Adj. Close*-2"...... "Adj. Close*-9"
    من قائمة المدخلات
    ثم "Adj. Close" من قائمة المخرجات


    سنقوم الأن بتحضير وتعليم الشبكة من خلال 9 أسعار سابقة لتنبؤ بالسعر الجديد

    نضغط الأن على Network


    وكما نلاحظ أنه بإمكاننا تحديد عدد الطبقات ، وعدد الخلايا العصبية في الطبقات المخفية
    واختيار شروط التوقف التلقائي .

    ننتقل الأن إلى "Processing"

    وهنا يمكننا تحديد عدد أو نسبة البيانات التي يتوقف عندها تعليم الشبكة وينتقل إلى إختبار تعلمها على باقي البيانات
    في مثالنا هذا سنختار 1000 سعر للتعلم والباقي للإختبار
    لتعرف على عدد البيانات الموجودة في الملف فقط نضغط على السهم الموجود على اليمين .
    نمر الأن إلى "Learning" ،نحدد كافة خانات الاختيار ثم نضغط على "Run"
    وستبدء الشبكة العصبية بالتعلم :
    Epoch Number و هو عدد مرات مرور السعر على الشبكة العصبية
    وسنلاحظ نسبة الخطأ الأصغر التي شهدتها الشبكة في التعلم وفي الإختبار


    كلما زاد تعلم الشبكة انخفضت نسبة الخطأ (الفرق بين تنبؤ الشبكة والسعر الحقيقي )
    وعندما تصبح نسبة الخطأ مقنعة ومطمنة نضغط على stop ثم نتجه إلى Apply
    وهي تشبه قائمة ال-IMPORT بزيادة زر CHART وزر ال-APPLY

    نضعط بعدها على "..." ثم نختار ملف ال-LGG (مساره مبين في الصورة )ثم نختار نفس المدخلات والمخرجات التي استعملناها من قبل بعد الضغط على Select Fields
    نضعط بعدها على APPLY وسيولد ملف بصيغة .apl يحتوي على جميع البيانات التي تمثل المدخلات وبيانات المخرجات التي انشأتها الشبكة بعد تعلمها .
    نتجه الأن إلى قائمة OUTPUT ثم "..." ثم "genz.apl"

    نختار No كمدخلات (رقم البيانات ) وسعر الإغلاق وسعر المتوقع من خلال الشبكة العصبية كمخرجات
    نضغط الأن على الزر Chart، لرسم الإخراج المطلوب (إغلاق) مقابل الإخراج ، التي تنتجها الشبكة العصبية.

    ويتم إنتاج الصورة التالية عن طريق التدريب الكافي لشبكة العصبية . والرسم ليس سيئ للغاية (للاطلاع على التنبؤ في يوم واحد). لكن إذا واصلنا التدريب ، سوف نحصل على نتائج أفضل.




    ثانيا : إنشاء الشبكة العصبية عن طريق البرمجة :



    العمل مع الشبكات العصبية من خلال البرمجة يشبه العمل مع الملفات. كما هو الحال مع الملفات ، نحتاج إلى فتح الشبكة العصبية لكي تحصل على معالج لتعامل معها. وذلك من خلال تمرير المعالج إلى غير ذلك من الوظائف ذات الصلة بالشبكة العصبية .

    كود PHP:

    void main
    ()
    {
        array 
    arrNN CREATE_ARRAY(0);
        
    double dMA_1 14;
        
    string strStockPath 
            
    "c:\\S_Projects\\CortexPro\\data\\samples\\stocks\\genz.txt";
        
    double bIsPathRelative 0;
        array 
    arrLags CREATE_ARRAY(0);

        array 
    arrDate CREATE_ARRAY(0);
        array 
    arrClose CREATE_ARRAY(0);

        
    TABLE_LOADER(strStockPathbIsPathRelative0""1
            
    "<!-- chart1"0arrDate6arrClose); 
    من خلال هذا الكود ،نقوم بتحمل البيانات الموجود في الملف Genz..TXT الموجود في ملفات الكرتكس
    TABLE_LOADER : وهي وظيفة تستخدم لتحميل البيانات من قرص الملف إلى مجموعة من المصفوفات ، صفيف واحد لكل عمود.
    كود PHP:
    nNumOfRecords TABLE_LOADER(strFullPath
                        
    bIsRelativebReversestrStartPatternstrSkipAfterStartPattern
                        
    strEndPatternnCol_1arr_1, ...); 
    قيمة العائد : عدد السجلات التي تم معالجتها بنجاح. أو -1 ، اذا فشلت (على سبيل المثال ، لا يوجد مثل هذا الملف).

    الإعدادات :

    strFullPath -- مسار الملف الذي سيتم تحميله

    bIsRelative :
    0 إذا كان المسار كامل
    و 1 إذا كان المسار هو نسبة من مسار البرنامج . على سبيل المثال :
    كود PHP:
    "c:\\s_projects\\CortexPro\\data\\samples\\stocks\\msft.txt
                    
    ..\\CortexPro\\data\\samples\\stocks\\msft.txt" 
    bReverse -- طريقة ترتيب البينات المحملة ، يمكن عكس ترتيبها ، على سبيل المثال ، إذا كانت أسعار الأسهم و الملف يحتوي على احدث البيانات الأولى ، ونحن نريدهم أن تبدء من الأقدم .
    strStartPattern -- خط ، بعد ذلك تبدأ البيانات التي سيتم استخدامها بالتحميل ، واذا كنا بحاجة لتخطي رأس الملف و " " (سلسلة فارغة) إذا كان لا شيء
    strSkipAfterStartPattern : عدد الأسطر التي سنتجاوزها عند بداية معالجة البيانات
    strEndPattern :شرط التوقف عن تحميل البيانات (يعني جملة أو كلمة تقف عندها العملية )
    nCol_1 -- العمود الأول لتحميل
    arr_1 -- سلسلة أحرف ( متغير ، أعلن سابقا) الذي سيحصل على البيانات من العمود الأول.
    ... يمكن أن يكون هناك مزيد من nCol_i ، arr_i ، إذا كنا نريد تحميل أكثر من عمود واحد.

    كود PHP:
    double hNN OPEN_NN(
            
    "c:\\S_Projects\\CortexPro\\data\\samples\\nn\\genz.nn",
            
    0);

        for(
    double i 091)
        {
            
    arrLags[i] = 1;
        }

        
    APPLY_NN(hNN10001.01arrClosearrLags1arrNN);

        
    CLOSE_NN(hNN);

        ....
    }
    .... 
    في الكود أعلاه قمنا بفتح الشبكة العصبية (تم إنشاؤها من قبل واحد) نطبق عليها البيانات ثم نغلقها

    وهناك عدد قليل من الوظائف التي تسمح لك أن تفعل كل شيء من خلال البرمجة واللتي يمكنك القيام بها من جهة واجهة المستخدم كورتيكس . على سبيل المثال ، يمكنك إنشاء شبكة عصبية فارغة ، تعيين عدد من طبقات ، الخلايا العصبية ، والمدخلات والمخرجات إلخ .

    يمكنا أن نبدء بتعليم الشبكة وتحديد شروط توقف التعليم
    كود PHP:
    ...
        
    CREATE_NN(strNnFileNamebIsPathRelative,
            
    strLagFileNamebIsPathRelativenSkipBefore
            
    nSkipAfterstrStartLinestrEndLinebReverseArrays
            
    arrInputColumnsarrInputColumnNamesarrOutputColumns
            
    arrOutputColumnNamesnExtractRecordsdStopError
            
    nStopEpochnNeuronsLayer1nNeuronsLayer2
            
    nNeuronsLayer3nNeuronsLayer4nLayersnActivation
            
    nAdjustRangearrOutTabInputColumns
            
    arrOutTabInputColumnNamesarrOutTabOutputColumns
            
    arrOutTabOutputColumnNames);

            
    string strSeparator ",;";

        
    CREATE_LAG_FILE(strStockFileNamebIsPathRelative
            
    strLagFileNamebIsPathRelativenSkipBefore
            
    nSkipAfterstrStartLinestrEndLinestrSeparator
            
    bReverseArraysarrColumnsarrColumnNames
            
    arrLagsnNumOfInputColumns);

        
    OPEN_NN_FILE(strNnFileName0111);

    في بعض الأحيان ، نحتاج إلى معالجة البيانات عند وصولها ( التداول في الوقت الحقيقي هو مثال جيد). لمعالجة كافة السجلات ،مثلا 10،000 في كل مرة هو أمر غير مريح للغاية. لمعالجة هذه الحالة ، لغة البرمجة سلانج لديها وظيفة ، التي تسمح لتسجيل البينات عند وصولها .
    كود PHP:
    ....
        
    double hNN OPEN_NN(
            
    "c:\\S_Projects\\CortexPro\\data\\samples\\nn\\genz.nn",
            
    0);

        for(
    9ARRAY_SIZE(arrClose); 1)
        {
            for(
    double j 091)
            {
                
    arrPattern[j] = arrCloseNorm[1];
            }

            
    PATTERN_NN(hNNarrPatterndExtendRange);
            
    arrNN[i] = arrPattern[9];
        }

        
    CLOSE_NN(hNN);

    .... 
    في الكود أعلاه ، فتحنا الشبكة العصبية ثم وصلناها بالبيانات ، واحدة واحدة (لهذه الشبكة على وجه الخصوص) هي 9 اسعار إغلاقات أخيرة .

    هناك وظيفة مهمة وهي GET_NN_WEIGHTS
    وتقوم بإرجاع الأوزان لطبقة محددة :
    كود PHP:
    array arrWeights GET_NN_WEIGHTS(hNnnLayer); 
    في المثال التالي سنقوم بإستخراج أوزان شبكة تعلمت بالكامل على بيانات اليورو فريم الساعة ومؤشر ال-CLV:

    كود PHP:


    void main
    ()
    {
        
    OUT_CLEANUP();

        
    string strImagePath "F:\\PFE\\Cortex Neural Networks Software\\CORTEX PRO Full Version Cracked By AHMEDFEKI\\CortexPro\\data\\samples\\images\\";

        
    string strForexName "EURUSD_H1";    
        
        
    string strImageFileName strImagePath strForexName "_05.png";

        
    string strNnPath "F:\\PFE\\Cortex Neural Networks Software\\CORTEX PRO Full Version Cracked By AHMEDFEKI\\CortexPro\\data\\samples\\nn\\";
        
    string strNnFileName strNnPath strForexName "_05.nn";

        
    // ------------

        
    string strDataFileName "F:\\PFE\\Cortex Neural Networks Software\\CORTEX PRO Full Version Cracked By AHMEDFEKI\\CortexPro\\data\\samples\\forex\\"
            
    strForexName ".TXT";
        
    string strLagFileName 
            
    "F:\\PFE\\Cortex Neural Networks Software\\CORTEX PRO Full Version Cracked By AHMEDFEKI\\CortexPro\\data\\samples\\nn\\"+strForexName "_05.lgg";
        
        
    double bIsPathRelative 0;

        array     
    arrDate CREATE_ARRAY(0);
        array 
    arrTime CREATE_ARRAY(0);
        array 
    arrOpen CREATE_ARRAY(0);
        array 
    arrHigh CREATE_ARRAY(0);
        array 
    arrLow CREATE_ARRAY(0);
        array 
    arrClose CREATE_ARRAY(0);

        
    TABLE_LOADER(strDataFileNamebIsPathRelative0""0""0
            
    arrDate1arrTime2arrOpen3arrHigh4arrLow5arrClose);

        
    double nInterval 64;
        
    double nMa 3;
        
        array 
    arrClv CreateClv(nInterval);
        array 
    arrClvSmooth EXP_MVAVG(arrClvnMa);

        
    double nOutLag 2;
        
    double nRemoveFirst 200;
        array 
    arrLags CREATE_ARRAY(0);
        
        
    // ATTN: These lags are based on nWinLag. 
        // Example: nWinLag = 1, then each number should be increased by 1
        
    string strLagBuf "9,0,1,2,3,4,8,12,16,20";

        
    CreateLagFile(strLagBufnRemoveFirst);

        
    double nExtractRecords 0.7 ARRAY_SIZE(arrClose);

        
    double nNeurons 5;
        
    double dStopError 0;
        
    double nStopEpoch 5000;

        array 
    arrNn CREATE_ARRAY(0);

        
    NewNn(arrLagsdStopErrornStopEpochnNeurons);
        
    TeachNn();

        
    double hNn OPEN_NN(strNnFileNamebIsPathRelative);
        
    APPLY_NN(hNnnExtractRecords1.01arrClvSmootharrLags1arrNn);

        PRINT(
    "%s\r\n""Layer 1");

        array 
    arrWeights GET_NN_WEIGHTS(hNn0); 
        
        
    // "9" is number of lags, same as number of inputs of the 1st layer
        // It is also number of neurons in the 1st layer
        
    for(double nNeuron 0nNeuron 9nNeuron nNeuron 1)
        {
            PRINT(
    "Neuron %.0f: "nNeuron);

            for(
    double nInput 0nInput 9nInput nInput 1)
            {
                PRINT(
    "%f, "arrWeights[nNeuron nInput]);
            }

            PRINT(
    "%s""\r\n");
        }

        PRINT(
    "%s\r\n""Layer 2");

        array 
    arrWeights GET_NN_WEIGHTS(hNn1); 
        
        
    // "nNeurons" is number of neurons in the 2nd (hidden) layer
        // "9" is number of inputs (same as number of neurons in the 
        // previous (1st) layer
        
    for(double nNeuron 0nNeuron nNeuronsnNeuron nNeuron 1)
        {
            PRINT(
    "Neuron %.0f: "nNeuron);

            for(
    double nInput 0nInput 9nInput nInput 1)
            {
                PRINT(
    "%f, "arrWeights[nNeurons nNeuron nInput]);
            }

            PRINT(
    "%s""\r\n");
        }

        PRINT(
    "%s\r\n""Layer 3");

        array 
    arrWeights GET_NN_WEIGHTS(hNn2); 
        
        
    // 1 neuron
        // "nNeurons" is number of inputs (same as number of neurons in the 
        // previous (2nd) layer

        
    for(double nInput 0nInput nNeuronsnInput nInput 1)
        {
            PRINT(
    "%s: ""Neuron 1");

            PRINT(
    "%f, "arrWeights[nInput]);

            PRINT(
    "%s""\r\n");
        }

        
    CLOSE_NN(hNn);

        PRINT(
    "%s\r\n""Done");
    }

    // ---------------

    array CreateClv(double nInterval)
    {    
        PRINT(
    "%s\r\n""Creating CLV indicator");

        array 
    arrClv CREATE_ARRAY(0);
        array 
    arrPeriodLow CREATE_ARRAY(0);
        array 
    arrPeriodHigh CREATE_ARRAY(0);

        
    double nArraySize ARRAY_SIZE(arrClose);

        array 
    arrPeriodLow MV_MIN(arrLownInterval);
        array 
    arrPeriodHigh MV_MAX(arrHighnInterval);

        for(
    double i 0nInterval1
        {
            
    arrClv[i] = 0;
        }
        
        
    double dClose;
        
    double dLow;
        
    double dHigh;
        for(
    nIntervalnArraySize1)
        {
            
    dClose arrClose[i];
            
    dLow arrPeriodLow[i];
            
    dHigh arrPeriodHigh[i];

            
    // / 2 + 1 to confine to 0...1 instead of -1...1
            
    arrClv[i] = (((dClose dLow) - (dHigh dClose))
                / (
    dHigh dLow)) / 0.5
        }

        return 
    arrClv;
    }

    // ----------------

    void CreateLagFile(string strLagsdouble nRemoveFirst)
    {
        
    double hFile F_OPEN(strLagFileName"wb");

        
    F_PRINT(hFile"%s""No,Clv");

        
    ARRAY_REMOVE(arrLags, -1);
        
    string strToken GET_TOKEN(strLags",");
        
    double nNumOfLags STR2NUM(strToken);
        
        for(
    double i 0nNumOfLags1)
        {
            
    strToken GET_TOKEN(strLags",");
            
    arrLags[i] = STR2NUM(strToken) + nOutLag;
        }

        
    double nFullLag;
        for(
    0ARRAY_SIZE(arrLags); 1)
        {
            
    nFullLag arrLags[i];
            
    F_PRINT(hFile",ClvMa%.0f"nMa"-%.0f"nFullLag); 
        }

        
    F_PRINT(hFile"%s\r\n""");

        
    double nNum;
        for(
    nRemoveFirstARRAY_SIZE(arrClose); 1)
        {
            
    nNum nRemoveFirst 1;
            
    F_PRINT(hFile"%.0f"nNum",%f"arrClvSmooth[i]);     

            for(
    double j 0ARRAY_SIZE(arrLags); 1)
            {
                
    F_PRINT(hFile",%f"arrClvSmooth[arrLags[j]]);     
            }

            
    F_PRINT(hFile"%s\r\n""");
        }

        
    F_CLOSE(hFile);
    }

    // --------------

    void NewNn(array arrLagsdouble dStopErrordouble nStopEpochdouble nNeuronsLayer2)
    {
        
    double nSkipBefore 0;
        
    double nSkipAfter 0;
        
    string strStartLine "";
        
    string strEndLine "";
        
    double bReverseArrays 0;

        
    // Inputs
        
    array arrInputColumns CREATE_ARRAY(0);
        
    array_s arrInputColumnNames CREATE_ARRAY_S(0);
        
        
    // 0  - Number, 1 - Clv, our input begins at column No 2

        
    for(double nInputCol 0nInputCol ARRAY_SIZE(arrLags); nInputCol nInputCol 1
        {
            
    arrInputColumns[nInputCol] = nInputCol 2;
            
    arrInputColumnNames[nInputCol] = 
                
    "Clv-" NUM2STR(arrLags[nInputCol], "%.0f"); 
        }

        array 
    arrOutputColumns CREATE_ARRAY(0);
        
    arrOutputColumns[0] = 1;    // Clv

        
    array_s arrOutputColumnNames CREATE_ARRAY_S(0);
        
    arrOutputColumnNames[0] = "Clv";

        
    // To do: Modify if more than one indicator is used
        
    double nNeuronsLayer1 ARRAY_SIZE(arrLags);
    //    double nNeuronsLayer2 = 7;
        
    double nNeuronsLayer3 1;
        
    double nNeuronsLayer4 0;
        
    double nLayers 3
        
    double nActivation 0;
        
    double nAdjustRange 1.0;

        array 
    arrOutTabInputColumns CREATE_ARRAY(0);
        
    arrOutTabInputColumns[0] = 0;    // Number

        
    array_s arrOutTabInputColumnNames CREATE_ARRAY_S(0);
        
    arrOutTabInputColumnNames[0] = "No";

        array 
    arrOutTabOutputColumns CREATE_ARRAY(0);
        
    // Desired output and NN output will be added to the 
        // same list, right after inputs
        
    arrOutTabOutputColumns[0] = ARRAY_SIZE(arrLags) + 2;    
        
    arrOutTabOutputColumns[1] = ARRAY_SIZE(arrLags) + 3;

        
    array_s arrOutTabOutputColumnNames CREATE_ARRAY_S(0);
        
    arrOutTabOutputColumnNames[0] = "Clv"
        
    arrOutTabOutputColumnNames[1] = "NN: Clv" ;

        
    CREATE_NN(strNnFileNamebIsPathRelativestrLagFileName
            
    bIsPathRelativenSkipBeforenSkipAfterstrStartLinestrEndLine,
            
    bReverseArraysarrInputColumnsarrInputColumnNames
            
    arrOutputColumnsarrOutputColumnNamesnExtractRecordsdStopErrornStopEpoch
            
    nNeuronsLayer1nNeuronsLayer2nNeuronsLayer3nNeuronsLayer4nLayers
            
    nActivationnAdjustRangearrOutTabInputColumnsarrOutTabInputColumnNames,
            
    arrOutTabOutputColumnsarrOutTabOutputColumnNames);
    }

    // ----------------

    void TeachNn()
    {
        PRINT(
    "%s\r\n""Opening NN dialog, teaching the NN");

        
    double bStartLearning 1
        
    double bResumeScript 1;
        
    double bReset 1;

        
    OPEN_NN_FILE(strNnFileNamebIsPathRelativebStartLearningbResumeScriptbReset);
    }

    // -------------

    void Chart(string strForexName)
    {
        
    string strXML "<forex>\r\n";

        
    strXML strXML "\t<symbol>\r\n\t\t<symbol>\r\n";

        
    strXML strXML "\t\t</symbol>\r\n";

        
    strXML strXML "\t\t" SAVE_CHART(4003000strImageFileName
            
    arrDatearrClvSmootharrNn);
        
    strXML strXML "\t</symbol>\r\n";

        
    strXML strXML "</forex>\r\n";
        
    SAVE_XML(strImagePath"chart_forex_nn_05""chart_forex_nn""root"strXML);
        
    SHOW_XML(strImagePath "chart_forex_nn.xml");


    يجب تغيير مسارات الملفات المستعملة في السكريبت حسب مكانها عندك ، وحذاري من نسيان الدابل بار //

  2. #152
    الصورة الرمزية ahmedfeki
    ahmedfeki غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2010
    الإقامة
    تونس
    المشاركات
    506

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    أنا آسف عن التأخير ،إن شاء الله الدرس يسهل عليكم فهمه وتطبيقه
    وهنا نكون قد انتهينا من المرحلة النظرية وسننطلق إن شاء الله الأسبوع القادم في المرحلة التطبيقية وفي إنشاء الاكسبيرت الذي يعتمد على الشبكة العصبية
    وان شاء الله كل واحد يتدارك ما لم يفهمه جيدا من الدروس الماضية
    والله المستعان *

  3. #153
    الصورة الرمزية جرير
    جرير غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Aug 2009
    الإقامة
    مصر
    المشاركات
    430

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    مجهود رائع
    جزاك الله خيرا
    واسمحلى بسؤال - عندما ادخل على التبويب output واحضر ملفgenz.apl فلا أجد هذا الملف بالرغم من انى اتبع الخطوات بطريقة صحيحة .. فأين يكمن الخطأ ؟؟؟؟
    الصور المصغرة للصور المرفقة الصور المصغرة للصور المرفقة fn.GIF‏  
    توقيع العضو
    AI Expert

  4. #154
    الصورة الرمزية amazing
    amazing غير متواجد حالياً عضو نشيط
    تاريخ التسجيل
    Oct 2009
    العمر
    54
    المشاركات
    1,474

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    جزاك الله خيرا استاذي العزيز
    و انشا الله من خلال متابعة الاخوه نعمل اكسبيرت ناجح بنسبه عاليه جدا و اقتراحي حول كتابة الاكسبيرت هي ثلاثة خطوات :
    الاول بحث عن استراتيجيه التي تعطي نقاط دخول قويه جدا مثل استراتيجية التي مبنيه على كسر الدعوم و المقاومه في اتجاه السوق مع نسبة سيوله عاليه في السوق
    ثانيا علاج الاخطاء الموجوده في الاستراتيجيه و تطويرها بواسطة شبكه العصبيه
    ثالثا استعمال طريقة المضاعفات لزيادة الربح و رفع الاخطاء الموجوده في الشبكه العصبيه يعني بعد ما فرغنا من الخطوتين الاولتين ندمج معها المضاعفات و اذا امكن الهدج و سوف نحصل على اكسبيرت امن 100%
    اقتراحي استاذي العزيز افضل استراتيجيه و هي مجربه جدا عند الاخوه و مطابقة للخطوات الوفق و ارجوا ان تعمل لها اكسبيرت هي موجوده على هذا الرابط:
    https://forum.arabictrader.com/t99325.html
    و شكرا


  5. #155
    الصورة الرمزية ahmedfeki
    ahmedfeki غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2010
    الإقامة
    تونس
    المشاركات
    506

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اقتباس المشاركة الأصلية كتبت بواسطة جرير مشاهدة المشاركة
    مجهود رائع
    جزاك الله خيرا
    واسمحلى بسؤال - عندما ادخل على التبويب output واحضر ملفgenz.apl فلا أجد هذا الملف بالرغم من انى اتبع الخطوات بطريقة صحيحة .. فأين يكمن الخطأ ؟؟؟؟

    أنا الآن أرى الملف الأول على اليسار
    اضغط على Files of types ثم إختر صيغة apl

  6. #156
    الصورة الرمزية ahmedfeki
    ahmedfeki غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2010
    الإقامة
    تونس
    المشاركات
    506

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اقتباس المشاركة الأصلية كتبت بواسطة amazing مشاهدة المشاركة
    جزاك الله خيرا استاذي العزيز
    و انشا الله من خلال متابعة الاخوه نعمل اكسبيرت ناجح بنسبه عاليه جدا و اقتراحي حول كتابة الاكسبيرت هي ثلاثة خطوات :
    الاول بحث عن استراتيجيه التي تعطي نقاط دخول قويه جدا مثل استراتيجية التي مبنيه على كسر الدعوم و المقاومه في اتجاه السوق مع نسبة سيوله عاليه في السوق
    ثانيا علاج الاخطاء الموجوده في الاستراتيجيه و تطويرها بواسطة شبكه العصبيه
    ثالثا استعمال طريقة المضاعفات لزيادة الربح و رفع الاخطاء الموجوده في الشبكه العصبيه يعني بعد ما فرغنا من الخطوتين الاولتين ندمج معها المضاعفات و اذا امكن الهدج و سوف نحصل على اكسبيرت امن 100%
    اقتراحي استاذي العزيز افضل استراتيجيه و هي مجربه جدا عند الاخوه و مطابقة للخطوات الوفق و ارجوا ان تعمل لها اكسبيرت هي موجوده على هذا الرابط:
    https://forum.arabictrader.com/t99325.html
    و شكرا

    شكرا لك أخي وجزاك الله خيرا
    إن شاء الله سنناقش هذه الإستراتيجية في المرحلة القادمة
    وهي فعلا إستراتيجية جيدة

  7. #157
    الصورة الرمزية جرير
    جرير غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Aug 2009
    الإقامة
    مصر
    المشاركات
    430

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اقتباس المشاركة الأصلية كتبت بواسطة ahmedfeki مشاهدة المشاركة

    أنا الآن أرى الملف الأول على اليسار
    اضغط على Files of types ثم إختر صيغة apl
    جزاك الله خيرا
    فعلا هو الملف ... كان ظاهر عندى على شكل ملف وينامب .. وأشتغل معى وطلع الشارت
    توقيع العضو
    AI Expert

  8. #158
    الصورة الرمزية se2007
    se2007 غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Oct 2009
    الإقامة
    الأردن
    المشاركات
    615

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    بداية اشكرك أخي ahmedfeki على هذا الموضوع العملاق وهذا الاسلوب المتقن
    في الشرح وجزاك الله خيرا واتمنى الاستمرار في الموضوع حتى النهايه
    لك مني كل دعوات الخير

  9. #159
    الصورة الرمزية mohamed6069
    mohamed6069 غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Feb 2010
    الإقامة
    مصر
    العمر
    40
    المشاركات
    150

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اشكر ahmedfeki وجميع الاعضاء
    انمني التوفيق كي نخرج جميعا بخبرة جيدة واكسبيرت ممتاز باذن الله

  10. #160
    الصورة الرمزية business77
    business77 غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2008
    العمر
    35
    المشاركات
    225

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    شكرا لك أخي الكريم على الفكرة الرائعة والموضوع الرائع
    أنا منذ زمن بعيد كنت أبحث عن من يتابع موضوع الشبكة العصبية
    ولكن هناك سؤالين أرجو منك إجابتي عليهما حتى قبل بداية الدورة لو سمحت
    1- هل من الضروري ربط الشبكة العصبية أو تحويلها إلى إكسبرت
    2- عند نهاية تشكيل الشبكة العصبية يدويا (غير برمجيا) ووصولها إلى مرحلة مرضية من التدريب
    كيف يمكن القيام بعملية التنبؤ من البرنامج نفسه وكيف سندخل المعلومات الجديدة التي ستعتمد عليها الشبكة في التنبؤ للمرحلة القادمة.
    وشكرا

  11. #161
    الصورة الرمزية أبو أثير
    أبو أثير غير متواجد حالياً مـتداول مـميـز
    تاريخ التسجيل
    Apr 2005
    الإقامة
    المدينة المنورة
    العمر
    44
    المشاركات
    2,123

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    بارك الله فيك وفي علمك

    من ارقى واجمل المواضيع في هذا القسم ولاتهون بقية المواضيع

    ولكن هذا الموضوع شدني واسلوب الاستاذ احمد رائع ونتمنى منه اكماله

  12. #162
    الصورة الرمزية ahmedfeki
    ahmedfeki غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2010
    الإقامة
    تونس
    المشاركات
    506

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اقتباس المشاركة الأصلية كتبت بواسطة جرير مشاهدة المشاركة
    جزاك الله خيرا
    فعلا هو الملف ... كان ظاهر عندى على شكل ملف وينامب .. وأشتغل معى وطلع الشارت
    اقتباس المشاركة الأصلية كتبت بواسطة se2007 مشاهدة المشاركة
    بداية اشكرك أخي ahmedfeki على هذا الموضوع العملاق وهذا الاسلوب المتقن
    في الشرح وجزاك الله خيرا واتمنى الاستمرار في الموضوع حتى النهايه
    لك مني كل دعوات الخير
    اقتباس المشاركة الأصلية كتبت بواسطة mohamed6069 مشاهدة المشاركة
    اشكر ahmedfeki وجميع الاعضاء
    انمني التوفيق كي نخرج جميعا بخبرة جيدة واكسبيرت ممتاز باذن الله


    اقتباس المشاركة الأصلية كتبت بواسطة أبو أثير مشاهدة المشاركة
    بارك الله فيك وفي علمك

    من ارقى واجمل المواضيع في هذا القسم ولاتهون بقية المواضيع

    ولكن هذا الموضوع شدني واسلوب الاستاذ احمد رائع ونتمنى منه اكماله


    شكرا لكم وجزاكم الله خيرا
    ولا شكر على واجب كلنا إخوة في الله
    وفقنا الله وإياكم في إفادة المسلمين والمسلمات
    وحظ موفق للجميع

  13. #163
    الصورة الرمزية ahmedfeki
    ahmedfeki غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2010
    الإقامة
    تونس
    المشاركات
    506

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اقتباس المشاركة الأصلية كتبت بواسطة business77 مشاهدة المشاركة
    شكرا لك أخي الكريم على الفكرة الرائعة والموضوع الرائع
    أنا منذ زمن بعيد كنت أبحث عن من يتابع موضوع الشبكة العصبية
    ولكن هناك سؤالين أرجو منك إجابتي عليهما حتى قبل بداية الدورة لو سمحت
    1- هل من الضروري ربط الشبكة العصبية أو تحويلها إلى إكسبرت
    2- عند نهاية تشكيل الشبكة العصبية يدويا (غير برمجيا) ووصولها إلى مرحلة مرضية من التدريب
    كيف يمكن القيام بعملية التنبؤ من البرنامج نفسه وكيف سندخل المعلومات الجديدة التي ستعتمد عليها الشبكة في التنبؤ للمرحلة القادمة.
    وشكرا
    أهلا بك أخي الكريم
    وشكرا لك على هذه المشاركة الطيبة

    بالنسبة للسؤال الأول : ليس من الضروري ربط الشبكة العصبية بالإكسبيرت
    فإنها مثل المؤشر ، الذي يمكن أن نستعين به في قرارتنا يدويا وبدون اكسبيرت
    كذلك الشبكة العصبية ، ولكنها ومن خلال تعليمها على الماضي ،تتنبأ لنا بالمستقبل
    ومن خلال هذا التنبأ تبنى قرارتنا يدويا ، ولكننا الأن نرغب في أن نجعل العمل تلقائي
    من خلال برمجة اكسبرت منطقي ومبني على أسس ناجحة .

    بالنسبة للسؤال الثاني : إن تعليم الشبكة يجب أن يكون متجدد ومستمر مع المعلومات الجديدة .
    وبالنسبة لعملية التنبأ ،وبالرغم من أنها مشروحة في الدرس الأخير ،فمثلا ندخل على الشبكة مجموعة اغلاقات ومن خلالها ستقوم بإخراج تنبؤها حسب مع تعلمته
    ثم ندخل لها الإغلاق الحقيقي ،فتقوم هي بدورها بتصحيح خطأها ، ليكون تنبئها في المستقبل أكثر دقة .
    إن شاء الله أكون قد أجبتك عن أسئلتك أخي الكريم
    و أرجو منك أن تراجع الدروس الماضية ، لمزيد من الفهم خاصة الدرس الأول وفهم أسس الشبكة العصبية ومفهومها .
    تقبل ودي أخي العزيز
    *

  14. #164
    الصورة الرمزية se2007
    se2007 غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Oct 2009
    الإقامة
    الأردن
    المشاركات
    615

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اقتباس المشاركة الأصلية كتبت بواسطة ahmedfeki مشاهدة المشاركة
    أهلا بك أخي الكريم
    وشكرا لك على هذه المشاركة الطيبة

    بالنسبة للسؤال الأول : ليس من الضروري ربط الشبكة العصبية بالإكسبيرت
    فإنها مثل المؤشر ، الذي يمكن أن نستعين به في قرارتنا يدويا وبدون اكسبيرت
    كذلك الشبكة العصبية ، ولكنها ومن خلال تعليمها على الماضي ،تتنبأ لنا بالمستقبل
    ومن خلال هذا التنبأ تبنى قرارتنا يدويا ، ولكننا الأن نرغب في أن نجعل العمل تلقائي
    من خلال برمجة اكسبرت منطقي ومبني على أسس ناجحة .

    بالنسبة للسؤال الثاني : إن تعليم الشبكة يجب أن يكون متجدد ومستمر مع المعلومات الجديدة .
    وبالنسبة لعملية التنبأ ،وبالرغم من أنها مشروحة في الدرس الأخير ،فمثلا ندخل على الشبكة مجموعة اغلاقات ومن خلالها ستقوم بإخراج تنبؤها حسب مع تعلمته
    ثم ندخل لها الإغلاق الحقيقي ،فتقوم هي بدورها بتصحيح خطأها ، ليكون تنبئها في المستقبل أكثر دقة .
    إن شاء الله أكون قد أجبتك عن أسئلتك أخي الكريم
    و أرجو منك أن تراجع الدروس الماضية ، لمزيد من الفهم خاصة الدرس الأول وفهم أسس الشبكة العصبية ومفهومها .
    تقبل ودي أخي العزيز
    *
    ===========================================
    اذا سمحتلي اخي الكريم بسؤال هل الشبكه العصبيه تأخذ بياناتها مباشره من الميتاتريدر
    او بصوره اخرى لسؤال
    هل من الممكن الخروج عن المألوف بالبيانات التي تدخل على الشبكه
    من (اغلاقات و افتتاحات و هايات و لوات )
    لجعلها بيانات معدله من قبل مؤشر ثم ارسالها الى الشبكه
    مثال على ذلك تزويد الشبكه بكم هائل من التكات لعله يكون اكثر دقه في استنباط
    التوقع بالمستقبل ربما يكشف الدورات الزمنيه للترند
    لك مني كل التقدير والاحترام

  15. #165
    الصورة الرمزية business77
    business77 غير متواجد حالياً عضو المتداول العربي
    تاريخ التسجيل
    Apr 2008
    العمر
    35
    المشاركات
    225

    افتراضي رد: على بركة الله دورة إنشاء اكسبيرت يعتمد على الشبكة العصبية

    اقتباس المشاركة الأصلية كتبت بواسطة ahmedfeki مشاهدة المشاركة
    أهلا بك أخي الكريم
    وشكرا لك على هذه المشاركة الطيبة

    بالنسبة للسؤال الأول : ليس من الضروري ربط الشبكة العصبية بالإكسبيرت
    فإنها مثل المؤشر ، الذي يمكن أن نستعين به في قرارتنا يدويا وبدون اكسبيرت
    كذلك الشبكة العصبية ، ولكنها ومن خلال تعليمها على الماضي ،تتنبأ لنا بالمستقبل
    ومن خلال هذا التنبأ تبنى قرارتنا يدويا ، ولكننا الأن نرغب في أن نجعل العمل تلقائي
    من خلال برمجة اكسبرت منطقي ومبني على أسس ناجحة .

    بالنسبة للسؤال الثاني : إن تعليم الشبكة يجب أن يكون متجدد ومستمر مع المعلومات الجديدة .
    وبالنسبة لعملية التنبأ ،وبالرغم من أنها مشروحة في الدرس الأخير ،فمثلا ندخل على الشبكة مجموعة اغلاقات ومن خلالها ستقوم بإخراج تنبؤها حسب مع تعلمته
    ثم ندخل لها الإغلاق الحقيقي ،فتقوم هي بدورها بتصحيح خطأها ، ليكون تنبئها في المستقبل أكثر دقة .
    إن شاء الله أكون قد أجبتك عن أسئلتك أخي الكريم
    و أرجو منك أن تراجع الدروس الماضية ، لمزيد من الفهم خاصة الدرس الأول وفهم أسس الشبكة العصبية ومفهومها .
    تقبل ودي أخي العزيز
    *
    شكرا لك أخي على المتابعة والرد
    ولكنني متأكد من أنني دققت في كل الدروس
    ولم أجد الطريقة التي تمكن من معرفة التنبؤ ليوم غد مثلا
    أنا صممت شبكة معتمدة عل إغلاق اليومي و ذلك على أساس +1و -1 أي ارتفاع أو انخفاض واتبعت جميع خطوات التصميم اليدوية حتى ظهور الشارت ولكن بعد هذا ماذا يمكن أن أفعل حتى أدخل معلومات إغلاق اليوم الحالى حتى أعرف التنبؤ حول إغلاق يوم غد
    أرجو منك أخي أن تساعدني في هذه النقطة بالطريقة اليدوية غير البرمجية ولك جزيل الشكر والامتنان على هذا الموضوع الرائع
    خاصة أني أحاول استخدام الشبكات العصبية في بحث علمي في اختصاصي بعيدا عن الفوركس
    وموضوعك هذا بين لي نواح عديدة كنت أرغب في الاطلاع عليها
    وشكرا

صفحة 11 من 18 الأولىالأولى ... 567891011121314151617 ... الأخيرةالأخيرة

المواضيع المتشابهه

  1. ๑۩۞۩๑ فكرة مجنونة للمناقشة ۞ لأننى عايز الشارت يكلمنى ههههه ๑۩۞۩๑
    By MAMDOH111 in forum سوق تداول العملات الأجنبية والسلع والنفط والمعادن
    مشاركات: 11
    آخر مشاركة: 08-03-2010, 01:46 AM
  2. مشاركات: 14
    آخر مشاركة: 27-02-2010, 12:32 AM
  3. مشاركات: 0
    آخر مشاركة: 25-02-2010, 06:14 PM
  4. مشاركات: 744
    آخر مشاركة: 16-12-2008, 05:13 AM

الاوسمة لهذا الموضوع


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17