Intel Neuron Bot
- Experten
-
Andriy Sydoruk
https://www.mql5.com/ru/users/andreys/seller
Large selection of products for different tastes.
e-mail: andriisydoruk@gmail.com - Version: 1.3
- Aktualisiert: 27 November 2022
- Aktivierungen: 5
Intel Neuron Bot ist ein Expertensystem, das auf einer neuen Architektur neuronaler Netze basiert. Damit der Experte arbeiten kann, ist eine trainierte neuronale Netzwerkdatei erforderlich. Einige Dateien sind auf der Diskussionsseite des Experten bereit. Konsultationen zur Bildung einer neuronalen Netzdatei können in privaten Nachrichten oder in der Produktdiskussion eingeholt werden. Der Bot durchläuft die gesamte Historie aller Währungspaare (vorausgesetzt, dass das trainierte neuronale Netzwerk geladen ist). Der optimale Zeitrahmen für die Arbeit ist H1.
Für das Training eines neuronalen Netzes für ein beliebiges Instrument und einen beliebigen Zeitrahmen steht ein kostenloses Dienstprogramm zur Verfügung, mit dem das neuronale Netz in relativ kurzer Zeit speziell für Ihre Aufgaben trainiert werden kann. Die resultierende Datei muss im Dateiordner des Metatraders abgelegt werden, und der Bot arbeitet, indem er die Befehle des trainierten neuronalen Netzes ausführt. Laden Sie das Dienstprogramm herunter.
Standardmäßig führt der Bot zufällige Orders aus. Um wirklich zu arbeiten, müssen Sie die Datei des neuronalen Netzwerks hochladen und das Feld(Random Orders = false) setzen.
Sie können den Expert Advisor in jedem Modus testen, auch im Modus "echte Ticks"! Wissenschaftler des neuronalen Netzwerks bis Anfang September 2022. Für Experimente können Sie die neuronalen Netze selbst auf einen früheren Zeitraum trainieren und für einen späteren Zeitraum überprüfen.
Die Architektur des neuronalen Netzes.
Das neuronale Netz basiert auf einer speziell entwickelten Architektur (T-INN) Target-IntelNeuroNet. Diese Architektur verfügt über fortschrittliche Lernfähigkeiten bei großen Datensätzen. Die T-INN-Architektur zeichnet sich dadurch aus, dass sie effizient auf einem unbegrenzten Datensatz trainieren kann und dabei die Extrapolationseigenschaften der Daten beibehält. Mit zunehmender Datenmenge erhöht sich die Trainingszeit, aber sie ist unvergleichlich geringer als bei klassischen Architekturen (wie RBF, PNN, GRNN, MADALINE, MLP). Und das Wichtigste ist, dass das neuronale Netz bei einer unbegrenzt großen Menge von Eingabedaten akzeptable Lösungen für das Problem findet! Was mit klassischen neuronalen Netzen im Prinzip unmöglich ist.
Grundlage dieser Architektur ist ein spezieller, strukturierter Ansatz zum Lernen. Alle eingehenden Trainingsdaten werden gleichzeitig in die Form einer großen zweidimensionalen Matrix gesetzt, das neuronale Netz normalisiert und strukturiert diese Daten selbständig in Cluster, wobei eine bestimmte Anzahl von Clustern gebildet wird, die Daten mit ähnlichen Mustern in bestimmten Merkmalen zusammenfassen, als Ergebnis der Projektion eines mehrdimensionalen Raums in einen Raum aus einer zweidimensionalen Realität. Auf diese Weise wird ein Array von Matrizen gebildet, die durch bestimmte Klassen von Mustern unterteilt sind, die Zeichen jedes einzelnen Clusters können sich in völlig unterschiedlichen Teilen der Basistabelle befinden und völlig inkohärent sein, die Chronologie wird in keiner Weise gespeichert, während einige Daten außerhalb der Cluster verworfen und überhaupt nicht verwendet werden können. Um diesen Teil der Architektur zu implementieren, werden selbstorganisierende Kohonen-Maps verwendet - ein neuronales Netz mit unüberwachtem Lernen. Im nächsten Schritt wird ein neuronales Netz auf der Grundlage eines mehrschichtigen Perzeptrons mit zwei internen Schichten verwendet, die für jedes einzelne Cluster arbeiten. Der Cluster begrenzt die Trainingsdaten in Bezug auf die Menge, um die optimale Leistung jedes einzelnen Abschnitts des neuronalen Netzes zu erreichen.
Anwendung in der Praxis.
In der Praxis kann sich ein solches neuronales Netz an die gesamte Historie in 14 Stunden anpassen, zum Beispiel EURUSD mit einer Genauigkeit von mse=0,0005. Die ungefähre Abweichung im Trainingsintervall der extrapolierten Funktion beträgt 4%. Für den Forward-Zeitraum erreicht dieser Indikator 20% Abweichung. Das ist ein sehr gutes Ergebnis.
Standardmäßig arbeitet das System auf der Grundlage der direkten Ausgaben des neuronalen Netzes, können Sie das Niveau der Reaktion auf das Signal des neuronalen Netzes mit dem Feld "Level Signal", und Sie können auch verschiedene EA-Parameter, um den Chart, nämlich:
- ManyManagement
- Stop-Loss
- Gewinnmitnahme
- Trailing-Start
- Trailing-Stop
- TotalEquityLoss
- GesamtEigenkapitalGewinn
- AutoCloseArbitrary
- AutoCloseOnlyGewinn
- AutoCloseOrder
- LimitOrder
- GridStep
- TypSeria
- SeriaTrendOn
- SeriaAntyTrendOn
Der Expert Advisor hat die Möglichkeit, eigene Logs in einer Datei zu erstellen und Kommentare innerhalb des Metatraders flexibel zu konfigurieren. Der Expert Advisor verfügt auch über eine ganze Reihe anderer Einstellungen, die für den normalen Betrieb auf dem Markt notwendig sind.
