Discussion de l'article "Réseaux de neurones de troisième génération : Réseaux profonds"

[MetaQuotes]

Un nouvel article Réseaux de neurones de troisième génération : Réseaux profonds a été publié :

Cet article est consacré à une nouvelle direction en perspective dans l’apprentissage automatique - l’apprentissage profond ou, pour être précis, les réseaux de neurones profonds. Il s’agit d’un bref examen des réseaux de neurones de deuxième génération, de l’architecture de leurs connexions et de leurs principaux types, méthodes et règles d’apprentissage et de leurs principaux inconvénients, suivi de l’histoire du développement des réseaux de neurones de troisième génération, de leurs principaux types, particularités et méthodes d’entraînement. Des expériences pratiques sur la construction et l’entraînement d’un réseau neuronal profond initié par les poids d’un autoencodeur empilé avec des données réelles sont menées. Toutes les étapes, de la sélection des données d’entrée à la dérivation métrique, sont discutées en détail. La dernière partie de l’article contient une implémentation logicielle d’un réseau de neurones profond dans un Expert Advisor avec un indicateur intégré basé sur MQL4/R.

Jetez un coup d’œil aux graphiques de balance (le dernier résultat surligné en rouge).

Fig. 32. Balance sur les 500 derniers bars par les signaux de réseaux de neurones entraînés en 500 et 300 époques

Comme nous pouvons le constater, le réseau de neurones formé à 300 époques, a montré un meilleur résultat que le réseau formé à 500 époques.

Le temps d’entraînement de ces dernières est adapté à un recyclage rapide lors d’une session de trading sur cette période.

Auteur : Vladimir Perervenko