Discusión sobre el artículo "Neuroredes profundas (Parte IV). Creación, entrenamiento y simulación de un modelo de neurored"
Respeto al autor, para la alta productividad en la escritura de artículos y sentir en ellos la fuerza científica, pero IMHO quería ser también sentido práctico.
En la parte dispositiva del autor indica que el propósito de los enfoques descritos por él es simplificar el trabajo con los datos (uso de sin etiquetar) para reducir el número de iteraciones (épocas), etc.
Por lo tanto, el resultado esperado es, obviamente, la aceleración del proceso de aprendizaje del perseptrón multicapa (MLP) sin afectar a los resultados de su trabajo (con resultados prácticamente iguales).
Entonces tengo una pregunta - ¿ya han resuelto todo con el trabajo del perseptrón, en forma de identificación de patrones, previsión de los mercados financieros, y tienen ejemplos que lo confirmen?
La pregunta es retórica, porque en el ciclo actual de 4 artículos no he encontrado un solo ejemplo de un Asesor Experto o indicador, que es probablemente la razón por la que prácticamente no hay discusiones interesadas de la comunidad MQL en las ramas de estos artículos.
Sin embargo, la respuesta está en los trabajos anteriores del autor - resulta que trató de resolver este problema, pero como se puede ver, sin éxito, y en este momento ya no es viable ...
https://www.mql5.com/ru/forum/79058/page6#comment_5791509
- 2017.09.20
- www.mql5.com
Si la aplicación propuesta de las redes neuronales en el trading, no le resta sentido, entonces ciertamente dominar y aplicar una herramienta tan poderosa sería extremadamente interesante.
Si la aplicación que se propone de las redes neuronales en el trading no le resta sentido, desde luego, dominar y aplicar una herramienta tan potente sería sumamente interesante.
No entiendo en absoluto la parte resaltada. ¿El trading deja de tener sentido por el uso de NN? ¿Puedes descifrarlo? Solo es curiosidad.
Suerte
No entiendo en absoluto la parte resaltada. ¿El trading deja de tener sentido cuando se utiliza NN? ¿Puede descifrarlo? Solo por curiosidad.
Suerte
Por desgracia, la aplicación propuesta de MO en el trading se reduce a enseñar a las redes neuronales a predecir el movimiento de los precios, no sobre la base del análisis semántico de su dinámica, revelando la naturaleza de los acontecimientos actuales del mercado (que las redes aún no son capaces de hacer), sino estadístico - es decir, de hecho - enfoque probabilístico, que es puramente matemático por naturaleza.
El sistema que calcula la probabilidad de un acontecimiento y toma decisiones "fatídicas" para un operador no debería utilizar conexiones primitivas condicionalmente reflexivas como base, sino que debería basarse en una comprensión profunda de los procesos del mercado, lo cual es obvio para cualquier operador profesional.
No obstante, acepte mi admiración por su trabajo.
No entiendo en absoluto la parte resaltada. ¿El trading deja de tener sentido cuando se utiliza NN? ¿Puede descifrarlo? Solo por curiosidad.
Suerte
No busques sentido donde no lo hay :)))) La gente sólo quiere estar un poco más cerca del mercado, por ejemplo, las estrategias de negociación ya hechas, por lo que sería más claro ... y donde todavía se puede detener en estas complejidades sin fin de redes neuronales + después de todo, R no es utilizado por muchas personas aquí, así que es un poco pesado, .... :) Pero los artículos son muy chulos, sin duda siempre tienes
Yo haria ya sabes lo que haria... parar en un paquete, digamos mxnet, hacer toda la investigacion en R, mostrar y contar algo, y luego conectar dll a mt5 de este paquete y mostrar como usar los modelos basicos que se ofrecen alli... entonces mas gente podria probarlo desde aqui, porque no todo el mundo va a querer ni siquiera instalar R... pero esto es imho.
Buenas tardes.
Estoy lejos de ser un académico o incluso un programador. Sólo un comerciante en ejercicio.
¿Qué ejemplos le ayudarían a entender el tema?
Suerte
Estoy lejos de la ciencia y la programación, pero usted enseña a programar redes neuronales, como en aquella anécdota, "si no puedes hacerlo tú mismo - enseña a otros":))))
Y como trader en ejercicio, ¿puedes opinar de algún éxito del trabajo de NN o su beneficio se limita a los royalties por artículos?
Se publica el artículo Redes neuronales profundas (Parte IV) . Creación, entrenamiento y prueba de un modelo de red neuronal:
Autor: Vladimir Perervenko
Las redes neuronales profundas son las que mejor funcionan para modelar datos con estructuras claras (patrones), como los datos que representan los objetos en imágenes, donde las DNN se aplican con éxito a la detección de objetos en visión por ordenador y segmentación de imágenes. La fluctuación de los precios del mercado es un dato no estructurado (sin patrones aparentes), donde no importa lo profundas que sean las capas de la NN para sumar las características, capa por capa, y esperar crear características de orden superior que representen señales comerciales correctas...
De todos modos, me gustan sus artículos y su duro intento de utilizar DNN para el comercio.
Saludos,
Rasoul
Las redes neuronales profundas son las mejores para modelar datos con estructuras claras (patrones), como los datos que representan objetos en imágenes, donde las DNN se aplican con éxito a la detección de objetos en la visión por ordenador y la segmentación de imágenes. La fluctuación de los precios del mercado es un dato no estructurado (sin patrones aparentes), donde no importa lo profundas que sean las capas de la NN para sumar las características, capa por capa, y esperar crear características de orden superior que representen señales comerciales correctas...
De todos modos, me gustan sus artículos y su duro intento de utilizar DNN para el comercio.
Saludos,
Rasoul
Esta es la idea correcta, pero no entiendo cómo se relaciona con el artículo. Mira la imagen.
¿No ves estructuras claras (patrones)? ¿Podemos entender de otra manera esta definición?
En la figura, dos Zigzags con longitudes de rodilla mínimas de 38/75 n.
No lees atentamente los artículos.
Suerte
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Neuroredes profundas (Parte IV). Creación, entrenamiento y simulación de un modelo de neurored:
En el artículo se analizan las nuevas posibilidades del paquete darch (v.0.12.0). Se describen los resultados del entrenamiento de una red neuronal profunda con diferentes tipos de datos, estructura y secuencia de entrenamiento. También se analizan los resultados.
Hay dos métodos de entrenamiento de SRBM: el entrenamiento de RBM uno a uno en rbm.numEpochs o el entrenamiento por turnos de cada RBM una época cada vez. La posibilidad de elegir uno de estos métodos se regula con la ayuda del parámetro rbm.consecutive: TRUE o default indicará el primer método, FALSE, el segundo. En la fig.5 se muestra el esquema de entrenamiento en las dos variantes. Con la ayuda del parámetro rbm.lastLayer podemos indicar en qué capa de SRBM hay que establecer el re-entrenamiento. Con 0 — entrenamos todas las capas, con (-1) — no entrenamos la capa superior. Esto tiene sentido, ya que la capa superior de una neurored se debe entrenar por separado y de forma más prolongada. El resto de los parámetros son comprensibles y no necesitan de aclaraciones adicionales.
Fig.5. Dos métodos de entrenamiento de SRBM
Autor: Vladimir Perervenko