Tu Lin Jiang
Tu Lin Jiang
  • Informações
2 anos
experiência
0
produtos
0
versão demo
0
trabalhos
0
sinais
0
assinantes
compartilhou este artigo do autor MetaQuotes
Encapsulando modelos ONNX em classes
Encapsulando modelos ONNX em classes

A programação orientada a objetos permite criar códigos mais compactos, fáceis de ler e modificar. Apresentamos um exemplo para três modelos ONNX.

compartilhou este artigo do autor MetaQuotes
Como instalar e utilizar o OpenCL para realizar cálculos
Como instalar e utilizar o OpenCL para realizar cálculos

Já se passou mais de um ano desde que o MQL5 começou a fornecer suporte nativo para OpenCL. Porém, não muitos usuários viram o verdadeiro valor do uso de uma computação paralela em seus Expert Advisors, indicadores e scripts. Este artigo tem o propósito de ajudá-lo a instalar e configurar OpenCL no seu computador de modo que pode tentar usar esta tecnologia no terminal de negócio do MetaTrader 5.

compartilhou este artigo do autor Ivan Negreshniy
Criando EAs de rede neural usando o assistente do MQL5 e o gerador EA Hlaiman
Criando EAs de rede neural usando o assistente do MQL5 e o gerador EA Hlaiman

O artigo descreve um método de criação automatizada de EAs de rede neural usando o assistente do MQL5 e o gerador EA Hlaiman. Ele mostra como você pode facilmente começar a trabalhar com redes neurais, sem ter que aprender todo o corpo de informações teóricas, e escrever o seu próprio código.

kencheli
[Excluído] 2022.11.17
[Excluído]
compartilhou este artigo do autor Dmitriy Parfenovich
Redes neurais: Da teoria à prática
Redes neurais: Da teoria à prática

Atualmente, todo negociador já deve ter ouvido falar sobre redes neurais e sabe como é interessante utilizá-las. A maioria acredita que as pessoas que sabem lidar com redes neurais são algum tipo de super-humano. Neste artigo, tentaremos explicar a arquitetura da rede neural, descrever as suas aplicações e apresentar exemplos de uso prático.

compartilhou o código do autor Scriptor
 MTF_MA
O indicador Multi-timeframe Moving Average
compartilhou este artigo do autor Vladimir Perervenko
Redes Neurais de Terceira Geração: Redes Profundas
Redes Neurais de Terceira Geração: Redes Profundas

Este artigo é dedicado a uma nova perspectiva na direção da aprendizagem de máquina - o aprendizado profundo ou, para ser mais preciso, redes neurais profundas. Esta é uma breve revisão das redes neurais de segunda geração, a arquitetura de suas conexões e tipos principais, os métodos e regras de aprendizagem e suas principais desvantagens seguido pela história do desenvolvimento da rede neural de terceira geração, os seus principais tipos, peculiaridades e métodos de treinamento. Conduzida por experimentos práticos sobre a construção e treinamento de uma rede neural profunda, iniciada pelos pesos de uma pilha de autoencoders (Stacked Autoencoders) contendo dados reais. Todas as etapas, desde a seleção dos dados de entrada até a derivação métrica, serão discutidas em detalhe. A última parte do artigo contém uma implementação de um programa de rede neural profunda em um Expert Advisor com um indicador embutido, baseado em MQL4/R.

Tu Lin Jiang
Registrado no site MQL5.community