Freitag, 19. April 2024, 10:21 UTC+2

Sie sind nicht angemeldet.

  • Anmelden
  • Registrieren

Lieber Besucher, herzlich willkommen bei: INVESTOX-Forum. Falls dies Ihr erster Besuch auf dieser Seite ist, lesen Sie sich bitte die Hilfe durch. Dort wird Ihnen die Bedienung dieser Seite näher erläutert. Darüber hinaus sollten Sie sich registrieren, um alle Funktionen dieser Seite nutzen zu können. Benutzen Sie das Registrierungsformular, um sich zu registrieren oder informieren Sie sich ausführlich über den Registrierungsvorgang. Falls Sie sich bereits zu einem früheren Zeitpunkt registriert haben, können Sie sich hier anmelden.

Spring

unregistriert

1

Montag, 25. April 2016, 16:29

RefVar

Hallo,
kann mir jemand bitte einen Tip geben? der Input für ein NN
RefVar(close, -1*(var1));
gibt andere Ergebnisse, als der Input
RefVar(close, -var1); und
RefVar(close, -1*var1);

var1 kann nur ganzzahlige positive und 0 Werte annehmen. Welche Schreibweise stimmt?

VG

Dieser Beitrag wurde bereits 1 mal editiert, zuletzt von »Spring« (26. April 2016, 07:02)


Investox

Administrator

Registrierungsdatum: 31. August 2002

Beiträge: 5 680

2

Dienstag, 26. April 2016, 09:11

Hallo,

um was für eine Art von NN handelt es sich? NeuroProg bzw. NeuroClassify von Neuro Plus! oder um ein "normales" NN von Investox (Anwenderindikator).

Viele Grüße
Andreas Knöpfel

Spring

unregistriert

3

Dienstag, 26. April 2016, 10:19

Es handelt sich um NeuroClassify. Die letzten beiden Schreibweisen schauen wahrscheinlich in die Zukunft. var1 ist eine Summe aus 2 Werten, die immer positiv oder 0 sind. Eine Visualisierung im Chart bestätigt dies auch.
VG

Investox

Administrator

Registrierungsdatum: 31. August 2002

Beiträge: 5 680

4

Dienstag, 26. April 2016, 12:18

Hallo,

kann ich bis jetzt nicht nachvollziehen. In dieser Formulierung z.B. ergeben alle drei Schreibweisen dasselbe Ergebnis:

Zitat

global calc NN: NeuroClassify(#>>calc var1: RSI(close,20);
RefVar(close, -1*var1);
//RefVar(close, -var1);
//RefVar(close, -1*(var1));
<<#,#>><Training MaxCluster=50;MaxAbweichung=1;/><Prognose Ref(ROC(open,1,%),2)/><<#);


Viele Grüße
Andreas Knöpfel