विदेशी मुद्रा प्रवेश और निकास

विदेशी मुद्रा प्रवेश और निकास

0 एमबी प्लेटफार्म: विंडोज SSD ड्राइव सपोर्ट के साथ HDD हेल्थ फुल-फीचर्ड फेल्योर विदेशी मुद्रा दर ओमनी रियाल प्रिडिक्शन विंडोज 95, 98, NT, Me, 2000, XP, Vista और विंडोज 7. सिस्टम में बैठे मशीनों का उपयोग करने वाला ट्रे, यह हार्ड डिस्क पर नज़र रखता है और आपको आसन्न विफलता के लिए सचेत करता है। कार्यक्रम सभी नए हार्ड डिस्क में निर्मित सेल्फ मॉनिटरिंग और रिपोर्टिंग टेक्नोलॉजी (S. ) का उपयोग करता है, और आपकी हार्ड ड्राइव पर विफलताओं का अनुमान लगा सकता है। एक। श्रेणी: उपयोगिताएँ फ़ाइल संपीड़न प्रकाशक: पैन्टरसॉफ्ट, लाइसेंस: फ्रीवेयर, मूल्य: USD 0. 00, फ़ाइल का आकार: 959.

0 KB प्लेटफ़ॉर्म: Windows Matlab तंत्रिका नेटवर्क टूलबॉक्स के लिए न्यूरोसोल्यूशंस Matlab की तकनीकी कंप्यूटिंग क्षमता है, जो उपयोगकर्ताओं को के अंदर NeuroSolutions (न्यूरोसोल्यूशन) की शक्ति का लाभ उठाने की अनुमति विदेशी मुद्रा मूल्य चक्र सूचक है। मतलाब और सिमुलिंक। टूलबॉक्स में 15 तंत्रिका मॉडल, 5 लर्निंग एल्गोरिदम और एक आसान उपयोग के लिए एकीकृत उपयोगी उपयोगिताओं की मेजबानी है, जिनकी आवश्यकता है। श्रेणी: सॉफ्टवेयर विकास उपकरण और संपादक प्रकाशक: तंत्रिका विज्ञान, इंक।, लाइसेंस: डेमो, मूल्य: अमरीकी डालर 795.

00, फ़ाइल का आकार: 9. 6 एमबी प्लेटफार्म: विंडोज लॉटरी सॉफ्टवेयर का उपयोग करें Lotto007 भविष्यवाणी विशेषज्ञ आपको अगले चित्र की भविष्यवाणियों में मदद कर सकता है। पिछले चित्र, भविष्यवाणियों का विश्लेषण करें। यह यादृच्छिक नहीं है, Lotto007 का उपयोग करें भविष्यवाणी विशेषज्ञ, न्यूनतम पुट के साथ और सबसे बड़ा भुगतान प्राप्त करते हैं। चेतावनी: सॉफ्टवेयर यह केवल संदर्भ के रूप में हो सकता है, विदेशी मुद्रा मुक्त विश्वकोश विकिपीडिया स्वयं द्वारा लिया जाता है.

Lotto007 भविष्यवाणी विशेषज्ञ सभी के साथ काम करता है। श्रेणी: गेम्स कार्ड, कैसिनो, लॉटरी प्रकाशक: एवरेस्टसॉफ्ट, लाइसेंस: शेयरवेयर, मूल्य: यूएसडी 79. 00, फ़ाइल का आकार: 2. 1 एमबी प्लेटफॉर्म: विंडोज मैटलैब 7, मैटलैब गेटिंग स्टार्टेड, मैटलैब डिमिस्टिफाई श्रेणी: गृह और शिक्षा विज्ञान प्रकाशक: मतलाब का अंकन,लाइसेंस: फ्रीवेयर, मूल्य: USD 0. 00, फॉरेक्स प्रीपेड कार्ड स्वेडेन का आकार: 4. 6 एमबी प्लेटफ़ॉर्म: विंडोज मैटलैब 7, मैटलैब गेटिंग स्टार्ट, मैटलैब डिमिस्टिफायड, मैटलैब फॉर इंजीनियर्स श्रेणी: गृह और शिक्षा विज्ञान प्रकाशक: इंजीनियरों के लिए मैटलैब, लाइसेंस: फ्रीवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 7. 2 एमबी प्लेटफ़ॉर्म: विंडोज लॉटरी भविष्यवाणी सॉफ्टवेयर - एबीसी लॉटरी विदेशी मुद्रा मूल्य दिनांक परिभाषा के लिए भविष्यवाणी लॉटरी नंबर वीपीएस फॉरेक्स मुराह मलेशिया की तुलना में कुछ भी बेहतर है। हम आपको प्रदान करते हैं 8-15 संख्या की उच्च संभावना दिखाई देती है, लागत को कम करते हैं, दांव जीतने की संभावना बढ़ाते हैं। सीखना आसान.

केवल एक बटन पर क्लिक करें अगले नंबर की भविष्यवाणी कर सकते हैं। यह लॉटरी भविष्यवाणी सॉफ्टवेयर सभी लॉटरी खेलों के साथ काम करता है. पिक-4। श्रेणी: गेम्स कार्ड, कैसिनो, लॉटरी प्रकाशक: एबीसी लॉटरी सॉफ्टवेयर टीम, लाइसेंस: शेयरवेयर, मूल्य: यूएसडी 79. 00, फ़ाइल का आकार: 3. 8 एमबी प्लेटफ़ॉर्म: विंडोज मतलाब के लिए गाइड, मतलाब 7, मतलब शुरू होना, मतलबी विदेशी मुद्रा ट्रेडिंग सिंगापुर ब्लॉग, इंजीनियर्स के लिए मतलाब श्रेणी: ऑडियो उपयोगिताएँ विदेशी मुद्रा दलाल सॉफ्टवेयर प्रोग्राम प्लग-इन प्रकाशक: मैटलैब विदेशी मुद्रा येन डॉलर के लिए लिए गाइड, लाइसेंस: फ्रीवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 2. 5 एमबी प्लेटफॉर्म: विंडोज विदेशी मुद्रा कल विदेशी मुद्रा खाता सबसे कम राशि सॉफ्टवेयर इंटरनेट दिवस व्यापारियों के लिए स्टॉक मार्केट, विदेशी मुद्रा और वायदा अनुबंध की कीमतों की भविष्यवाणी करने के लिए एक उपकरण के रूप में उपयोग करने के लिए डिज़ाइन पोला डबल शीर्ष विदेशी मुद्रा गया है। उपयोग में आसान प्रोग्राम के लिए हाल के ओपन, हाई, लो और क्लोज़ डेटा की एक फाइल की आवश्यकता होती है, साथ ही साथ विदेशी मुद्रा मूल बातें और 15 मिनट में रहस्य ओपनिंग ओपनिंग प्राइस कोटे । श्रेणी: व्यापार और वित्त अनुप्रयोग प्रकाशक: ईज़ीहाइडिप, लाइसेंस: फ्रीवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 829. 0 KB प्लेटफ़ॉर्म: विंडोज आईएसएस पारगमन भविष्यवाणी कार्यक्रम उपयोगकर्ता को अपने विशिष्ट स्थान के लिए आईएसएस पारगमन भविष्यवाणी उत्पन्न करने की अनुमति देता है। इस कार्यक्रम के लिए जावा रनटाइम एनवायरनमेंट (JRE) संस्करण 6. 0 या बेहतर की आवश्यकता है। इस कार्यक्रम का एक पुराना संस्करण जो JRE संस्करण 5. 0 के साथ चलता है, यहां पाया जा सकता है। अतिरिक्त सिस्टम आवश्यकताएँ यहां पाई जा सकती हैं। श्रेणी: गृह और फॉरेक्स ट्रेडिंग 212 ग्रांटी विविध प्रकाशक: एड मोराना, लाइसेंस: शेयरवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 303. 8 KB प्लेटफ़ॉर्म: Windows द पावर प्रिडिक्शन प्रोग्राम विभिन्न प्रकार के विश्लेषणात्मक और प्रतिगमन विधियों का उपयोग करते हुए, व्यापारी जहाजों से लेकर प्लॉनिंग जहाजों तक की एक बड़ी रेंज को कवर करने वाले जहाजों की शक्ति आवश्यकताओं की गणना करता है। कार्यक्रम उपांग के प्रभाव और पतवार के रूप मापदंडों में परिवर्तन के प्रभाव की गणना कर सकता है। प्रतिरोध और ईएचपी की गणना करने के अलावा, कार्यक्रम भी गणना करता है। श्रेणी: गृह और शिक्षा विविध प्रकाशक: वोल्फसन यूनिट, लाइसेंस: शेयरवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 0 मंच: विंडोज Matlab के लिए SDC आकृति विज्ञान टूलबॉक्स नवीनतम अत्याधुनिक ग्रे-स्केल आकारिकी उपकरण का एक शक्तिशाली संग्रह है जिसे छवि विभाजन, गैर-रेखीय फ़िल्टरिंग, पैटर्न मान्यता और पर लागू किया जा सकता है। छवि विश्लेषण। बहुत तेजी से जुड़े घटक लेबलिंग (संघ-खोज एल्गोरिथ्म) और मैक्सट्री-आधारित कनेक्टेड ऑपरेटर। श्रेणी: व्यापार और वित्त अनुप्रयोग प्रकाशक: एसडीसी सूचना प्रणाली, लाइसेंस: शेयरवेयर, मूल्य: यूएसडी 49. 00, फ़ाइल का आकार: 8. 1 एमबी प्लेटफार्म: विंडोज यह मतलाब में फ़ंक्शन के रूप में कार्यान्वित WFDB अनुप्रयोगों का एक संग्रह है। अब फिजियोबैंक से सभी मैटलैब के रिकॉर्ड को पढ़ना, लिखना, विदेशी मुद्रा आर्थिक forcast करना और प्लॉटिंग के लिए एक साधारण वेब इंटरफेस डब्ल्यूएफडीबी पुस्तकालयों के माध्यम से स्थापित करना संभव है। डिफ़ॉल्ट रूप से, Matlab के लिए WFDB टूलबॉक्स सीधे वेबियोबैंक से वेब (उपयोग) पर रिकॉर्ड पढ़ने का समर्थन करता विदेशी मुद्रा 101 एडमिरल बाजार श्रेणी: सॉफ्टवेयर विकास विविध। प्रोग्रामिंग प्रकाशक: HST का हार्वर्ड-एमआईटी डिवीजन, लाइसेंस: फ्रीवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 1. 8 KB प्लेटफ़ॉर्म: Windows मतलाब घटक रनटाइम साझा पुस्तकालयों का एक स्टैंडअलोन सेट है जो एम-फाइलों के निष्पादन को सक्षम करता है। MCR Matlab भाषा की सभी विशेषताओं के लिए पूर्ण समर्थन प्रदान करता है। चूंकि MCR तकनीक जावा सहित Matlab भाषा के लिए पूर्ण समर्थन प्रदान करती है, एक संकलित अनुप्रयोग शुरू करने में लगभग उतना ही समय लगता है जितना शुरू होता है। श्रेणी: सॉफ्टवेयर विकास घटक और पुस्तकालय प्रकाशक: मैथवर्क्स, इंक।, लाइसेंस: फ्रीवेयर, मूल्य: USD 0. 00, फ़ाइल का आकार: 81. 1 KB प्लेटफ़ॉर्म: Windows कान की पहचान प्रणाली V3: बॉयोमीट्रिक कान की पहचान के लिए अंतिम अद्यतन संस्करण का परीक्षण करें, कान के आकार का उपयोग करके पहचान के लिए उपन्यास तकनीक लागू की गई। हमारी टीम ने एक प्रमुख 99.

प्रतिशत सफलता दर के साथ कानों को पहचानने में सक्षम प्रिंसिपल कंपोनेंट एनालिसिस के आधार पर कान की सरल विदेशी मुद्रा स्केलिंग युक्तियाँ के लिए एक हाईड्राइड और फास्ट एलगोरिदम विकसित किया। अधिक से अधिक कोड 1: 1 प्रदर्शन करने में सक्षम है श्रेणी: गृह और शिक्षा शिक्षण उपकरण प्रकाशक: बॉयोमीट्रिक मान्यता कोड, लाइसेंस: फ्रीवेयर, मूल्य: USD 0. 00, फ़ाइल का आकार: 9. 1 एमबी प्लेटफार्म: विंडोज, मैक, लिनक्स, Android, पॉकेट पीसी, ब्लैकबेरी,पाम, हैंडहेल्ड मोबाइल अन्य, यूनिक्स, अन्य, iPhone, iPod, iTouch, लागू नहीं, जावा, MS-DOS, AS 400 पामप्रिंट रिकग्निशन सिस्टम V1: पामिट्रेशन रिकॉग्निशन के लिए विदेशी मुद्रा में बोली मूल्य एक्यूरेसी टेक्निकली आइजेनपल्म्स के आधार पर डिस्कोव्रे द सिस्टम फंक्शंस पामिंग इमेजेस को एक स्पेस स्पेस में प्रोजेक्ट करके काम करता है जो कि नोज इमेज के बीच सिग्नेचर वेरिएंट को फैलाता है। महत्वपूर्ण विशेषताओं को PalEigenigenmsmsЂќ के नाम से जाना जाता है क्योंकि वे पामप्रिन्ट के सेट के आइगेनवेक्टर (प्रमुख घटक) हैं। और देखें। श्रेणी: सॉफ्टवेयर विकास स्रोत कोड प्रकाशक: बायोमेट्रिक मान्यता कोड, लाइसेंस: फ्रीवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 7. 8 एमबी प्लेटफार्म: विंडोज, मैक, लिनक्स, पाम, आईओएस, पॉकेट पीसी, ओएस 2, हैंडहेल्ड मोबाइल अन्य, सिम्बियन, ओपनवीएमएस, यूनिक्स, अन्य, उन्नत विदेशी मुद्रा व्यापार प्रणाली, iTouch, जावा, MS-DOS, AS 400, रिम, नेटवेयर, BEOS Lotto007 भविष्यवाणी विदेशी मुद्रा रागी लॉटरी भविष्यवाणी सॉफ्टवेयर आपको अगले नंबर की भविष्यवाणी करने और आपको विदेशी मुद्रा प्रवेश और निकास बनाने की प्रवृत्ति प्रदान करने में मदद करता है। 2013 के संस्करण ने ऐतिहासिक अतीत के चित्रों के सत्यापन की भविष्यवाणी करने का समर्थन किया। आमतौर पर हम 8-16 डेल लकड़ी विदेशी मुद्रा प्रदान करेंगे। आप मामूली प्रोग्राम अपडेट और मुफ्त अपडेट 100 से अधिक लॉटरी नवीनतम चित्र परिणाम प्राप्त करने में सक्षम हैं। Lotto007 भविष्यवाणी श्रेणी: खेल कार्ड, कैसीनो, लॉटरी प्रकाशक: लॉटरी भविष्यवाणी सॉफ्टवेयर, लाइसेंस: शेयरवेयर, मूल्य: USD 99.

00, EUR89, फ़ाइल का आकार: 4. 5 एमबी प्लेटफार्म: विंडोज गोल्डेंगम को तंत्रिका नेटवर्क स्टॉक के सर्वश्रेष्ठ भविष्यवाणी कार्यक्रमों में से एक माना जाता है। यह एक सरल नो-बकवास कार्यक्रम है, जिसमें एक परिष्कृत गणितीय गणना है, जो कुछ शीर्ष व्यापारियों द्वारा बहुत सफलतापूर्वक उपयोग की गई है। इसका स्टॉकडॉकर मुफ्त डेटा डाउनलोड करता है। टिकर का चयन करें, राजधानियों में, अल्पविराम द्वारा अलग किया जाता है, जिसमें कोई भी वह मूल्य शामिल हो सकता है जो आपकी इच्छा को प्रभावित करता है श्रेणी: व्यवसाय और वित्त प्रकाशक: GoldenGem, लाइसेंस: शेयरवेयर, मूल्य: Jadwal ट्रेडिंग फॉरेक्स eur usd 25.

00, फ़ाइल का आकार: 1. 9 MB प्लेटफ़ॉर्म: Windows स्टॉक न्यूरोमास्टर एक बौद्धिक स्टॉक है भविष्यवाणी व्यापारियों, निवेशकों और दलालों के लिए सॉफ्टवेयर। यह एक उन्नत चार्टिंग टूल है जिसमें तंत्रिका नेटवर्क का उपयोग करके कृत्रिम बुद्धिमत्ता प्रौद्योगिकी पर आधारित एक भविष्य कहनेवाला कोर है। स्टॉक न्यूरोमास्टर अधिकतम लाभ के लिए, अपने पसंदीदा स्टॉक को खरीदने या इसे सबसे अच्छे क्षण में बेचने पर, बाजार में प्रवेश करने और बाहर निकलने पर निर्णय लेने में आपकी सहायता करेगा। श्रेणी: व्यवसाय और वित्त अनुप्रयोग प्रकाशक: यूरो, मुख्यालय।, लाइसेंस: वाणिज्यिक, मूल्य: USD 290.

00, USD290, फ़ाइल का आकार: 5. 6 एमबी प्लेटफॉर्म: विंडोज, अन्य मतलाब विदेशी मुद्रा भविष्यवाणी आपका ग्राफ़ 1 का टाइमशिफ्ट दिखाता है (2 नहीं!) टाइमस्टेप (s)। यह आदर्श नहीं है, लेकिन तब हो सकता है जब देरी को बुरी तरह से चुना जाता है जो इस तरह के विलंब पैटर्न की ओर जाता है। (आगे की व्याख्या के लिए MATLAB CENTRAL के इस प्रश्न पर एक नज़र डालते हैं। वास्तव में, ग्रेग हीथ ने ANN पर सामग्री का बहुत पोस्ट किया, बहुत ही पढ़ने लायक है, हालांकि इसे कभी-कभी समझा जाना थोड़ा कम है विशेष रूप से शुरुआती के लिए।) इसलिए, इससे बचने के लिए आपको अपने डेटा के सहसंबंध पैटर्न पर गौर करना होगा। अब, मैं मान रहा हूं कि आप नेटवर्क की देरी को दूर करके इस व्यवहार के लिए सही करना चाहते थे। दुर्भाग्य से, क्रेन फॉरेक्स ब्यूरो की दरें नहीं क्या हटाया गया है () के आर मल्टीपल फॉरेक्स है: यह उदाहरण टाइमडेलनेट का उपयोग करता है, लेकिन एनएआर विदेशी मुद्रा व्यापार की शिकायतों एनएआरएक्स नेटवर्क फॉरेक्स tsd फोरम लिए भी अपनाया जा सकता है, और मुझे विवरण बहुत उपयोगी लगा। हटाए गए दस्तावेज के उद्धरण के साथ संयोजन में परिणाम एक ऐसा नेटवर्क है जो पहचानने योग्य व्यवहार करता है, सिवाय इसके कि आउटपुट बाद में n टाइमस्टेप का उत्पादन करते हैं। यह स्पष्ट हो जाता है कि आप नेटवर्क नहीं बदल रहे हैं, इसके बजाय आप केवल अपने y-मानों की समय निर्भरता को बदलते हैं, इसलिए आपका नेटवर्क एक समय कदम आगे की भविष्यवाणी करने की कोशिश करेगा। आप इस व्यवहार को अपने T और Y वैक्टर के अंत में देख सकते हैं जहाँ Y का अतिरिक्त मूल्य होगा जबकि T इस स्थान को NaN से भरता है (क्योंकि आप स्पष्ट रूप से नीले रंग से अधिक लक्ष्य उत्पन्न नहीं कर सकते हैं)। निष्कासन () को बंद लूप डिजाइन के साथ संयोजन में उपयोग किया जाना चाहिए, ताकि आप अगले चरण के लिए प्रत्यक्ष इनपुट के रूप में उनका उपयोग करने के लिए जल्दी से अनुमानित मान प्राप्त कर सकें। इस मामले में, यह भी उत्पादन में देरी को केवल एक से अधिक बढ़ाने के लिए समझ में आता है यही कारण है कि आप एक अतिरिक्त तर्क पास कर सकते हैं n: यह साबित करने के लिए कि अतिरिक्त समय कदम का उपयोग नहीं किया गया है आप अपने प्रशिक्षित नेट के साथ वांछित डेटा सेट का अनुकरण कर सकते हैं और फिर रिमेले () के साथ उसी सेट का अनुकरण कर सकते हैं। वे वाई वक्र के अंतिम मूल्य (चित्र 1 देखें) को छोड़कर समान होने जा रहे हैं। अंजीर। 1: दोनों प्लॉट MATLAB के हीट एक्सचेंजर उदाहरण के पहले 3500 डेटा बिंदुओं के साथ प्रशिक्षित एक ही नेट पर आधारित हैं। दिखाया गया है कि सेट में पिछले 500 मूल्यों के लिए सिमुलेशन परिणाम हैं प्रशिक्षण प्रक्रिया में का उपयोग नहीं किया गया है। निष्कासन () का उपयोग करके बाईं ओर एक अतिरिक्त मान को छोड़कर परिणाम समान हैं आपकेयदि आप प्रतिनिधि प्रशिक्षण सेट का उपयोग कर रहे हैं तो त्रुटियां बहुत छोटी होनी चाहिए। इसलिए, समान, नए डेटा के लिए पूर्वानुमान अच्छा होगा क्योंकि आपका नेट ओवरफ़ीड नहीं है। तो, क्या आप भविष्यवाणी कर रहे हैं.

नहीं, आप अनुकरण कर रहे हैं। अपने नेटवर्क के व्यवहार का अनुकरण करना आपके पहले अज्ञात डेटा सेट के इनपुट पर आधारित है, न कि लक्ष्य (उन्हें केवल मूल्यांकन के लिए अनुमति देने के लिए पारित किया जाना है)। इसलिए, आपके नेट के साथ या बिना निकाले () के लिए नया डेटा पास करना दोनों ही मामलों में अनुकरण है क्योंकि यह प्रदान किए गए इनपुट पर आधारित है। देरी को हटाने से इन परिणामों के लिए कोई फर्क नहीं पड़ता। दूसरी ओर भविष्यवाणी, कोई इनपुट डेटा की आवश्यकता नहीं है क्योंकि यह वास्तव में सिर्फ पैटर्न जारी रखता है जो नेटवर्क ने अब तक नए इनपुट को ध्यान में रखे बिना सीखा है। यदि आप चाहते हैं कि एक अज्ञात डेटा आपके पास सिमुलेशन के लिए आपके नेट पास वैध इनपुट मूल्यों के साथ सेट हो, तो आप डिवाइडब्लॉक का उपयोग करके परीक्षण सेट के हिस्से के रूप में इसे पास कर सकते हैं। विभाजन के विकल्प। यदि आप हटाए गए (या सामान्य रूप से भविष्यवाणी की आवश्यकता है) द्वारा प्रारंभिक भविष्यवाणी का उपयोग करना चाहते हैं क्योंकि आपके इनपुट में छेद हैं या अन्य कारणों से अविश्वसनीय हैं, तो आपको एक बंद लूप के साथ अपने अज्ञात सेट का अनुकरण करने पर विचार करना चाहिए। क्या इसका प्रदर्शन बहुत भयानक होना चाहिए, आप शुरू से ही एक बंद लूप नेटवर्क को भी प्रशिक्षित कर सकते हैं। MATLAB के साथ स्वचालित ट्रेडिंग सिस्टम विकसित करें स्वचालित ट्रेडिंग एक व्यापारिक रणनीति है जो कंप्यूटर का उपयोग व्यापार निर्णयों को स्वचालित रूप से चलाने के लिए करती है, आमतौर पर इलेक्ट्रॉनिक वित्तीय बाजारों में। बाय-साइड और सेल-साइड संस्थानों में लागू, स्वचालित ट्रेडिंग उच्च-आवृत्ति ट्रेडिंग का आधार बनती है, उदाहरण के लिए इक्विटी ट्रेडिंग, फॉरेक्स ट्रेडिंग या कमोडिटीज़ ट्रेडिंग। स्वचालित व्यापारिक अनुप्रयोगों के बिल्डरों और उपयोगकर्ताओं को बाजार के आंदोलनों का पता लगाने और दोहन करने वाले गणितीय मॉडल विकसित करने, बैकस्ट करने और तैनात करने की आवश्यकता है। एक प्रभावी वर्कफ़्लो में शामिल हैं:    तकनीकी समय-श्रृंखला, मशीन सीखने और गैर-समय-श्रृंखला विधियों का उपयोग करके व्यापारिक रणनीतियों का विकास करना    समय-कुशल बैकिंग और पैरामीटर पहचान के लिए समानांतर और GPU कंप्यूटिंग लागू करना    लाभ और हानि की गणना करना और जोखिम विश्लेषण का संचालन करना    बाजार प्रभाव मॉडलिंग और निष्पादन विश्लेषण सहित प्रीट्रेड और पोस्टट्रैड एनालिटिक्स का प्रदर्शन करना    उत्पादन ट्रेडिंग वातावरण में रणनीतियों और एनालिटिक्स को शामिल करना, जैसे ब्लूमबर्ग® EMSX अधिक जानकारी के लिए, MATLAB® और ट्रेडिंग टूलबॉक्स देखें। यूएस खोज मोबाइल वेब याहू सर्च फोरम में आपका स्वागत है.

हम याहू खोज को बेहतर बनाने के बारे में आपके विचारों को सुनना पसंद करते हैं याहू उत्पाद फीडबैक फोरम को अब भाग लेने के लिए एक वैध याहू आईडी और पासवर्ड की आवश्यकता है। अब आपको प्रतिक्रिया देने और मौजूदा विचारों के लिए वोट और टिप्पणियां सबमिट करने के लिए अपने याहू ईमेल खाते का उपयोग करने के लिए साइन-इन करना आवश्यक है। यदि आपके पास याहू आईडी या आपके याहू आईडी का पासवर्ड नहीं है, तो कृपया नए खाते के लिए साइन-अप करें। यदि आपके पास एक वैध याहू आईडी और पासवर्ड है, तो इन चरणों का पालन करें यदि आप अपने पोस्ट, टिप्पणियों, वोटों और या याहू उत्पाद प्रतिक्रिया फोरम से प्रोफाइल को हटाना चाहते हैं। समय श्रृंखला भविष्यवाणी के लिए LSTM तंत्रिका नेटवर्क ध्यान दें, इस लेख को अद्यतन किया गया है: इस लेख का एक अद्यतन संस्करण, नवीनतम पुस्तकालयों और कोड आधार का उपयोग कर, यहाँ उपलब्ध है न्यूरल नेटवर्क्स इन दिनों मशीन लर्निंग में नए फड्स के बारे में बात करने के लिए "गो टू" चीज है। जैसे, वहाँ बुनियादी वेनिला तंत्रिका जाल पर पाठ्यक्रम और ट्यूटोरियल की एक बहुतायत है, सरल ट्यूटोरियल से जटिल लेखों को गहराई से उनके कामकाज का वर्णन करते हुए। गहरे नेटवर्क के लिए छवि वर्गीकरण कार्यों के साथ जुनून भी लगता है कि ट्यूटोरियल अधिक जटिल दृढ़ तंत्रिका नेटवर्क पर दिखाई देते हैं। यह बहुत अच्छा है, यदि आप उस तरह की चीज में हैं, तो मेरे लिए हालांकि मैं छवियों को वर्गीकृत करके विशेष रूप से उत्साहित नहीं हूं। मैं टाइमफ्रेम के साथ डेटा में अधिक रुचि रखता हूं। और यहीं पर आवर्तक तंत्रिका नेटवर्क (RNN) काम में आते हैं (और मैं अनुमान लगा रहा हूं कि इस लेख को पढ़कर आप जान जाएंगे कि लंबी अवधि की मेमोरी, LSTM, नेटवर्क RNN के सबसे लोकप्रिय और उपयोगी संस्करण हैं। यदि नहींLSTMs का वर्णन करने वाले बहुत सारे उपयोगी लेख हैं जो शायद आपको पहले जांचने चाहिए)। अब LSTMs पर बहुत सारे सार्वजनिक शोध पत्र और लेख हैं, जो मैंने पाया है कि इन सभी के पीछे सैद्धांतिक कामकाज और गणित के साथ बहुत कुछ है और वे जो उदाहरण देते हैं वे वास्तव में भविष्य कहनेवाला नहीं दिखाते हैं- एक समय श्रृंखला के संदर्भ में एलएसटीएम की आगे की शक्तियां। यदि आप LSTMs की जटिल कार्यप्रणाली जानना चाहते हैं, लेकिन आदर्श नहीं हैं, तो सभी महान, यदि आप केवल कुछ प्राप्त करना चाहते हैं और चलाना चाहते हैं। मैं यहां क्या कर रहा हूं, कुछ समय का पूर्वानुमान करने के लिए LSTM के उपयोग पर एक पूर्ण भावपूर्ण कोड ट्यूटोरियल दे रहा हैपायथन [2.

7] के लिए केरस पैकेज का उपयोग करके श्रृंखला। मैत्रीपूर्ण चेतावनी: यदि आप एक ऐसे लेख की तलाश कर रहे हैं जो यह बताता है कि LSTM गणितीय और सिद्धांतवादी दृष्टिकोण से कैसे काम करता है तो मैं आपके द्वारा पिछली लड़की को निराश करने की तुलना में आपको निराश करने वाला हूं। यदि आप व्यावहारिक कोडिंग उदाहरणों के साथ एक लेख की तलाश में हैं जो काम करते हैं, तो पढ़ते रहें.

नोट: इस परियोजना के लिए पूर्ण कोड GitHub पृष्ठ पर पाया जा सकता है। एक साधारण पाप तरंग सबसे बुनियादी चीज़ के साथ शुरू करते हैं जो हम उस समय की श्रृंखला के बारे में सोच सकते हैं; अपने दलदल मानक पाप लहर समारोह। और LSTM नेटवर्क को प्रशिक्षित करने के लिए इस डेटा को बनाने के लिए हमें इस फ़ंक्शन के कई दोलनों को बनाने की आवश्यकता है। मैंने 1 की आयाम और आवृत्ति के साथ एक पाप तरंग बनाने के लिए एक एक्सेल स्प्रेडशीट बनाया (6. 28 की एक कोणीय आवृत्ति दे रहा है) और मैंने 0. 01 के समय डेल्टा के साथ 5001 समय अवधि में डेटा अंक प्राप्त करने के लिए फ़ंक्शन का उपयोग किया। परिणाम (यदि आपने अपने जीवन में पाप तरंगों की श्रृंखला को कभी नहीं देखा है) ऐसा दिखता है। पूर्ण पाप तरंग डेटासेट कल्पना: 5001 समय अवधि पूर्ण आपको इसे स्वयं बनाने की परेशानी से बचाने के लिए, मैंने इस सीरीज़ के लिए कृपया डेटा को एक CSV में रखा है जिसे मैं यहाँ प्रशिक्षण परीक्षण फ़ाइल के रूप में उपयोग कर रहा हूँ। अब जब हमारे पास डेटा है, तो हम वास्तव में क्या हासिल करने की कोशिश कर रहे हैं.

खैर यह आसान है कि हम चाहते हैं कि LSTM डेटा की एक निर्धारित विंडो आकार से पाप तरंग को सीखे जो हम इसे खिलाएंगे और फिर उम्मीद है कि हम LSTM से श्रृंखला में अगले N- चरणों की भविष्यवाणी करने के लिए कह सकते हैं और यह पाप को थूकता रहेगा। लहर। हम CSV फ़ाइल से डेटा को लोड और लोड करके शुरू करते हैं, जो LSTM को फीड करने वाले सुपीरियर एरे पर ले जाएगा। जिस तरह से केआरएस एलएसटीएम परतें काम करती हैं वह 3 आयामों (एन, डब्ल्यू, एफ) के एक संख्यात्मक सरणी में ले जाती है जहां एन प्रशिक्षण अनुक्रमों की संख्या है, डब्ल्यू अनुक्रम लंबाई है और एफ प्रत्येक अनुक्रम की विशेषताओं की संख्या है। मैंने 50 की एक अनुक्रम लंबाई (पढ़ें विंडो का आकार) के साथ जाना चुना जो नेटवर्क के लिए अनुमति देता है ताकि प्रत्येक अनुक्रम में पाप तरंग के आकार की झलक मिले और इसलिए उम्मीद है कि खुद को दृश्यों के पैटर्न के आधार पर सिखाना होगा पूर्व खिड़की प्राप्त हुई। अनुक्रम स्वयं खिड़कियां खिसका रहे हैं और इसलिए प्रत्येक बार 1 से शिफ्ट होते हैं, जिससे पूर्व की खिड़कियों के साथ एक निरंतर ओवरलैप होता है। लंबाई के अनुक्रम का एक उदाहरण 50 यहां प्रशिक्षण डेटा CSV को उचित आकार के संख्यात्मक सरणी में लोड करने के लिए कोड है: आगे हमें वास्तव में स्वयं नेटवर्क बनाने की आवश्यकता है। यह सरल हिस्सा है.

)। एक नहीं-सरल स्टॉक मार्केट हमने एक सटीक बिंदु-दर-बिंदु आधार पर एक पाप तरंग के कई सौ समय के चरणों की भविष्यवाणी की। तो अब हम स्टॉक मार्केट टाइम सीरीज़ पर भी ऐसा ही कर सकते हैं और पैसे का एक सही लोड कर सकते हैं. "कोई नहीं जानता कि कोई शेयर ऊपर, नीचे, बग़ल में या कमबख्त हलकों में जा रहा है" - मार्क हैना एक स्टॉक टाइम सीरीज़ दुर्भाग्य से एक फ़ंक्शन नहीं है जिसे मैप किया जा सकता है। यह सबसे अच्छा एक यादृच्छिक चलना के रूप में अधिक वर्णित किया जा सकता है, जो पूरी भविष्यवाणी को काफी कठिन बना देता है। लेकिन LSTM के बारे में किसी भी अंतर्निहित छिपी प्रवृत्तियों की पहचान क्या है.

ठीक है, एक नज़र डालते हैं। यहां एक CSV फ़ाइल है, जहां मैंने जनवरी 2000 - अगस्त 2016 से S P 500 इक्विटी इंडेक्स का समायोजित दैनिक समापन मूल्य लिया है। मैंने इसे अपने पाप तरंग डेटा के समान सटीक प्रारूप में बनाने के लिए सब कुछ छीन लिया है और अब हम इसे उसी मॉडल के माध्यम से चलाएंगे जिसका उपयोग हमने एक ही ट्रेन परीक्षण विभाजन के साथ पाप तरंग पर किया था। एक छोटा सा बदलाव है जो हमें अपने डेटा में करना होगा, क्योंकि एक पाप तरंग पहले से ही सामान्य रूप से दोहराई जाने वाली पैटर्न है जो नेटवर्क के माध्यम से कच्चे डेटा बिंदुओं को अच्छी तरह से चलाने का काम करती है। हालांकि, एक नेटवर्क के माध्यम से स्टॉक इंडेक्स के समायोजित रिटर्न को चलाने से ऑप्टिमाइज़ेशन प्रक्रिया स्वयं ही हो जाएगी और इस तरह की बड़ी संख्याओं के लिए किसी भी प्रकार के ऑप्टिमाइज़ में परिवर्तित नहीं होगी। इसलिए इसका मुकाबला करने के लिए हम प्रशिक्षण परीक्षण डेटा की प्रत्येक n- आकार की विंडो लेंगे और उस विंडो की शुरुआत से प्रतिशत परिवर्तनों को प्रतिबिंबित करने के लिए प्रत्येक को सामान्य करेंगे (इसलिए बिंदु i 0 पर डेटा हमेशा 0 होगा)। हम निम्नलिखित समीकरणों का उपयोग सामान्य प्रक्रिया के अंत में सामान्य और बाद में डी-सामान्य करने के लिए करते हैं ताकि वास्तविक विश्व संख्या को भविष्यवाणी से बाहर निकाला जा सके: n सामान्यीकृत सूची [मूल्य परिवर्तन की खिड़की] p कच्ची सूची [समायोजित दैनिक रिटर्न की कीमतों की खिड़की] सामान्यीकरण: डी-सामान्यीकरण: हमने अपने कोड में एक normalise_windows (window_data) जोड़ा और सशर्त कॉल को शामिल करने और अनुक्रम लंबाई लेने के लिए हमारे load_data (फ़ाइल नाम) फ़ंक्शन को अपडेट किया। और ध्वज को सामान्य करें load_data (फ़ाइल नाम, seq_len, normalise_window): अब यह ऊपर बताए अनुसार विंडोज़ को सामान्य कर देता है और इसलिए अब हम अपने स्टॉक डेटा को अपने LSTM नेटवर्क के माध्यम से चला सकते हैं। आइए देखें कि यह कैसे होता है: युगों 50, खिड़की का आकार 50 एकल बिंदु-दर-बिंदु भविष्यवाणी पर डेटा चलाना जैसा कि ऊपर वर्णित है, कुछ ऐसा देता है जो रिटर्न को काफी करीब से मेल खाता है। लेकिन यह धोखा है.

क्यूं कर. वैसे यदि आप अधिक बारीकी से देखते हैं, तो भविष्यवाणी रेखा एकवचन भविष्यवाणी बिंदुओं से बनी होती है, जिनके पीछे पूरी पूर्व सत्य इतिहास खिड़की होती है। उसके कारण, नेटवर्क को स्वयं के अलावा अन्य समय श्रृंखला के बारे में बहुत कुछ जानने की आवश्यकता नहीं है, क्योंकि प्रत्येक अगले बिंदु की संभावना अंतिम बिंदु से बहुत दूर नहीं होगी। इसलिए भले ही इसे बिंदु गलत के लिए भविष्यवाणी मिल जाए, फिर भी अगली भविष्यवाणी सही इतिहास का कारक होगी और गलत भविष्यवाणी को नकार देगी, फिर भी एक त्रुटि के लिए अनुमति दे सकती है। हम यह नहीं देख सकते हैं कि LSTM के मस्तिष्क में क्या हो रहा है, लेकिन मैं एक मजबूत मामला बनाऊंगा कि इस भविष्यवाणी के लिए कि अनिवार्य रूप से एक यादृच्छिक चलना है (और बिंदु के रूप में, मैंने एक बनाया हैडेटा का पूरी तरह से बेतरतीब ढंग से चलना जो स्टॉक इंडेक्स के रूप की नकल करता है, और ठीक यही बात वहां भी सच है!) "गॉसियन डिस्ट्रीब्यूशन के साथ अगले पॉइंट" भविष्यवाणी "है, जो अनिवार्य रूप से रैंडम प्रिडिक्शन को बेतहाशा नहीं भटकाता है।" सही डेटा। तो हम क्या देखना चाहेंगे अगर हम यह देखना चाहते हैं कि क्या वास्तव में कुछ मूवमेंट पैटर्न सिर्फ मूल्य आंदोलनों में ही शामिल हैं.

वैसे हम पाप तरंग समस्या के लिए भी ऐसा ही करते हैं और नेटवर्क को केवल अगले के बजाय अंकों के अनुक्रम का अनुमान लगाने देते हैं। यह करते हुए कि अब हम यह देख सकते हैं कि पाप तरंग के विपरीत जो एक पाप तरंग अनुक्रम के रूप में किया गया था जो कि सच्चे डेटा के लगभग समान था, हमारे स्टॉक डेटा भविष्यवाणियां बहुत जल्दी किसी प्रकार के संतुलन में परिवर्तित हो जाती हैं। युग 50, खिड़की का आकार 50 युगों 1, खिड़की का आकार 50 हमारे द्वारा चलाए जा रहे दो प्रशिक्षण उदाहरणों के लिए संतुलन को देखते हुए (1 युग के साथ एक और 50 युगों वाले) हम दोनों के बीच जंगली अंतर देख सकते हैं। इस जंगली अंतर से ऑर्थोगोनल लगता है कि आप क्या उम्मीद कर सकते हैं; आमतौर पर एक उच्च युग का मतलब एक अधिक सटीक मॉडल होगा, हालांकि इस मामले में यह लगभग ऐसा दिखता है जैसे कि एकल युग मॉडल कुछ प्रकार के प्रत्यावर्तन की ओर प्रवृत्त होता है जो आमतौर पर कम समय मूल्य आंदोलन का अनुसरण करता है। हमारे भविष्य के अनुक्रम को भविष्य के 50 समय के चरणों तक सीमित करके और फिर हर बार 50 बार कदमों के कई स्वतंत्र अनुक्रम पूर्वानुमानों को प्रभावी ढंग से शुरू करते हुए दीक्षा विंडो को शिफ्ट करने की जाँच करें: युग 1, खिड़की का आकार 50, अनुक्रम बदलाव 50 मैं यहां ईमानदार होने जा रहा हूं और कहता हूं कि ऊपर दिए गए ग्राफ़ के परिणाम ने मुझे थोड़ा आश्चर्यचकित किया है। मैं यह प्रदर्शित करने में सक्षम होने की उम्मीद कर रहा था कि यह स्टॉक इंडेक्स पर विशुद्ध रूप से ऐतिहासिक मूल्य आंदोलनों से भविष्य के मूल्य आंदोलनों की भविष्यवाणी करने की कोशिश करना एक मूर्ख खेल होगा (इस तथ्य के कारण कि कई अंतर्निहित कारक हैं जो दैनिक मूल्य में उतार-चढ़ाव को प्रभावित करते हैं; अंतर्निहित कंपनियों के बुनियादी कारक, मैक्रो इवेंट, निवेशक भावना और बाजार का शोर.

) हालांकि हम ऊपर बहुत सीमित परीक्षण की भविष्यवाणियों की जांच कर रहे हैं, हम देख सकते हैं कि बहुत सारे आंदोलनों के लिए, विशेष रूप से बड़े लोगों के लिए, काफी सर्वसम्मति प्रतीत होती है मॉडल की भविष्यवाणियां और उसके बाद का मूल्य आंदोलन। हालाँकि, मैं यहीं एक बड़ा कमबख्त चेतावनी चिन्ह लगाने जा रहा हूँ. कई, कई कारण हैं कि उपरोक्त "आशाजनक दिखने" का ग्राफ गलत क्यों हो सकता है। नमूनाकरण की त्रुटियां, एक छोटे से नमूने के आकार में शुद्ध भाग्य. इस ग्राफ में कुछ भी अंकित मूल्य पर नहीं लिया जाना चाहिए और नेत्रहीन रूप से बैकस्टेस्ट की कुछ पूरी तरह से और व्यापक श्रृंखला के बिना धन चूसने वाले गड्ढे में पीछा किया जाना चाहिए (जो इस लेख के दायरे से बाहर हैं)। आपको चेतावनी दी गई है। काल 400, खिड़की का आकार 50, अनुक्रम बदलाव 50 वास्तव में जब हम एक ही रन के ऊपर ग्राफ पर एक नज़र डालते हैं, लेकिन युगों के साथ 400 तक बढ़ जाता है (जिसे मॉडल मोड को सटीक बनाना चाहिए) तो हम देखते हैं कि वास्तव में अब यह सिर्फ कोशिश करता है कि लगभग हर के लिए एक ऊपर की गति का अनुमान है समय अवधि.

हालांकि, मुझे उम्मीद है कि आप सभी उत्सुक युवा लोगों ने LSTM नेटवर्क को टिक करने की मूल बातें सीख ली हैं और समय श्रृंखला के साथ-साथ भविष्यवाणी करने और मैप करने के लिए उनका उपयोग कैसे किया जा सकता है. p LSTM उपयोग वर्तमान में टेक्स्ट भविष्यवाणी, AI चैट ऐप्स, सेल्फ-ड्राइविंग कारों.

और कई अन्य क्षेत्रों की दुनिया में समृद्ध हैं। उम्मीद है कि यह लेख एक समय श्रृंखला के दृष्टिकोण में LSTM का उपयोग करने के व्यावहारिक अनुप्रयोगों पर विस्तारित हुआ है और आपने इसे उपयोगी पाया है। पूर्णता के लिए, नीचे पूर्ण प्रोजेक्ट कोड है जिसे आप GitHub पेज पर भी पा सकते हैं: और संदर्भ के लिए, मैं अपने न्यूरल नेटवर्क मॉडल को चलाने के लिए जिस मशीन का उपयोग करता हूं, वह है Xiaomi Mi Notebook Air 13, जिसकी मैं अत्यधिक अनुशंसा करता हूं, क्योंकि इसमें एक अंतर्निहित Nvidia GeForce 940MX ग्राफिक्स कार्ड है, जिसे गति देने के लिए Tororflow GPU संस्करण के साथ उपयोग किया जा सकता है एक LSTM की तरह समवर्ती मॉडल। नि: शुल्क डाउनलोड: भविष्यवाणी Matlab रूलेट सांख्यिकी और भविष्यवाणी प्रोग्राम रियल टाइम ऑनलाइन रूले घूमता है और आपको उन सभी आंकड़ों को दिखाता है जिन्हें आप एक बटन के क्लिक पर जानना चाहते हैं। 200 से अधिक रूलेट दांव की गणना और विश्लेषण किया जाता है। सभी सिंगल, स्प्लिट्स, गलियों, कोनों, रेखाओं, इवेंस, कॉलम और ट्वेल्व रूलेट बेट्स पर नज़र रखी जाती है। आप पिछली बार एक शर्त जीती, आखिरी बार एक शर्त हार गए, सबसे लंबे समय तक पा सकते हैं। श्रेणी: गेम्स कार्ड, कैसिनो, लॉटरी प्रकाशक: लेकर्स सॉफ्टवेयर सीएमबी, लाइसेंस: फ्रीवेयर, मूल्य: USD 0.

00, फ़ाइल का आकार: 2. 7 एमबी प्लेटफ़ॉर्म: विंडोज यह मैटलैब पैकेज मैटलैब में कैप-ओपेन संस्करण 1. 1 थर्मोडायनामिक और भौतिक संपत्ति पैकेज आयात करने की अनुमति देता है। एक कमांड संचालित पैकेज एक केप-ओपेन संपत्ति पैकेज का चयन करने की अनुमति देता है, और फिर थर्मोडायनामिक और भौतिक संपत्ति गणना और साथ ही थर्मोडायनामिक संतुलन गणना करते हैं।अंदर मतलाब । पैकेज इंटरफेस को परिभाषित करता है। श्रेणी: गृह और शिक्षा विज्ञान प्रकाशक: amsterchem, लाइसेंस: शेयरवेयर, मूल्य: USD 400.

00, EUR400, फ़ाइल का आकार: 850. 0 KB प्लेटफ़ॉर्म: Windows PowerPlayer पिक 3 पिक 4 के लिए भविष्यवाणी सॉफ्टवेयर आपको अगले लॉटरी नंबर की भविष्यवाणी करने में मदद कर सकता है. यह पिक 3 पिक 4 प्रिडिक्शन सॉफ़्टवेयर ऐतिहासिक चित्र सत्यापन का समर्थन करता है, सत्यापन फ़ंक्शन का उपयोग करने से आपको उच्चतम सफलता दर सूत्र चुनने में मदद मिल सकती है। पावरप्लेयर पिक 3 पिक 4 फॉर प्रिडिक्शन 130 पिक 34 लॉटरी (यूनाइटेड स्टेट्स पिक 34 लॉटरी) का समर्थन करता है। श्रेणी: गेम्स कार्ड, कैसिनो, लॉटरी प्रकाशक: 3 प्रिडिक्शन सॉफ्टवेयर, लाइसेंस चुनें: शेयरवेयर, मूल्य: USD 99.

00, EUR79, फ़ाइल का आकार: 3.

साइट का नक्शा | कॉपीराइट ©