"New Neural" es un proyecto de motor de red neuronal de código abierto para la plataforma MetaTrader 5. - página 2
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Qué tal si se incorporan desarrolladores de sistemas neuronales que ya trabajan en el campo del comercio como expertos?
Invítelos desde otros sitios web.
¿Qué tal si se incorporan desarrolladores de sistemas neuronales que ya trabajan en el campo del comercio como expertos?
Llámelos desde otros sitios web.
¿Se trata de influenciadores pagados o de
¿Sólo se trata de informar a un público más amplio con la esperanza de generar interés?
¿Se trata de influenciadores pagados o de
¿se trata simplemente de informar a un público más amplio con la esperanza de generar interés?
Para nosotros, la tarea de desarrollar el motor ya ha pasado a la fase de ejecución. Hoy hemos tenido un debate interno sobre la idea y hemos pasado a preparar la infraestructura.
Ahora necesitamos expertos que nos ayuden de palabra y de obra.
Para nosotros, la tarea de desarrollar el motor ya ha pasado a la fase de ejecución. Hoy hemos tenido un debate interno sobre la idea y hemos pasado a preparar la infraestructura.
Ahora necesitamos expertos que nos ayuden de palabra y de obra.
Pues entonces tienes que publicar lo que tienes.
Habrá algo que discutir.
Pero si no hay reacción, entonces podemos rascarnos la cabeza.
Pero si no consigues una reacción, mejor que te rasques la cabeza.
Ejem (modestamente) sobre la reacción... ya hay 3 neuronales libs.
Uno tiene más de 10 redes. He trabajado con redes Kohonen, MLP, recirculación, Hopfield... ,
la segunda es la implementación del caso general de MLP + red Jordana-Elman -- es decir, cualquier topología (grafo dirigido) con la posibilidad de hacer un bucle en cualquier capa,
la tercera es una implementación de Echo-Network, mi favorita :) .
Fue hace mucho tiempo realmente (excepto la red de eco), pero uno puede recordarlo. No funciona con modelos probabilísticos. No estoy familiarizado con las recientes mejoras del método de descenso de gradiente y los métodos híbridos.
Ejem (modestamente) sobre la respuesta... ya hay 3 libs para las neuronas.
Fue hace mucho tiempo realmente (excepto la red de eco), pero puedes recordarlo. No he trabajado con modelos probabilísticos. No estoy familiarizado con las recientes mejoras del método de descenso de gradiente y los métodos híbridos.DE ACUERDO. ¿Se puede ofrecer todo tipo de topologías de red a modo de resumen, es decir, cuantas más mejor, pero expresadas en términos de estructura o diagramas?
Para que podamos definir los modelos a implementar y así empezar a diseñar clases base generales abstractas.
El objetivo, por cierto, no es sólo hacer un conjunto de redes como resultado, sino permitir que las clases se extiendan a otras topologías de red particulares.
Antes de empezar algo, prepara una teoría y una práctica accesibles y comprensibles para la gente, y luego empieza a construir algo.
Y dile a los futuros creadores cuál es la ventaja de un NS escrito sólo en MQL5 y cuál es la desventaja. No creo que nadie quiera molestarse en crear un paquete que funcione como una emulación en MT5, sabiendo que los programas escritos en lenguajes emulados son más lentos de funcionar que en lenguajes de alto nivel.
Mi consejo. Si todo el mundo sigue con ganas de escribir, crea un modelo matemático en DLL, y prepara los datos en MQL5. Implementar cada tipo de NS en una DLL separada. Por ejemplo, la red neuronal Kohonen estará en module_kohhonen.dll, y la red Hopfield module_hopfield.dll. Utiliza las lenguas tal y como están pensadas y no reinventes la rueda.
Y está prevista una interfaz gráfica. Para mayor claridad, la capacidad de sentir la estructura de la red, etc.
DE ACUERDO. ¿Pueden ofrecerse todos los tipos de topologías de red a modo de resumen?
OK, estoy interesado en 4 de las redes implementadas
1. Redes de Kohonen, incluyendo SOM. Es bueno utilizarlo para la partición de clústeres cuando no está claro lo que hay que buscar. Creo que la topología es bien conocida: vector como entrada, vector como salida o bien salidas agrupadas. El aprendizaje puede ser con o sin profesor.
2. MLP , en su forma más general, es decir, con un conjunto arbitrario de capas organizadas como un gráfico con retroalimentación. Se utiliza mucho.
3. Red de recirculación. Sinceramente, nunca he visto una implementación no lineal que funcione normalmente. Se utiliza para la compresión de datos y la extracción de componentes principales (PCA). En su forma lineal más sencilla, se representa como una red lineal de dos capas en la que la señal puede propagarse desde ambos lados (o de tres capas en su forma ampliada).
4. Red Eco. En principio, es similar a MLP, que también se aplica allí. Pero totalmente diferente en la organización y tiene un tiempo de aprendizaje bien definido (bueno, y siempre produce un mínimo global, a diferencia).
5. PNN... no lo he usado, no sé cómo. Pero creo que hay alguien por ahí que puede hacerlo.
6. Modelos de lógica difusa (no confundir con las redes probabilísticas). No se ha aplicado. Pero puede ser útil. Si alguien encuentra información que arroje plz. Casi todos los modelos son de autoría japonesa. Casi todas se construyen manualmente, pero si fuera posible automatizar la construcción de la topología mediante expresiones lógicas(si no recuerdo mal), sería realmente genial.
_______________
Sugiere otros modelos.
Todas las redes son representables como entrada - caja negra - salida
Probablemente no funcione la interconexión completa de todas las redes, aunque deberías intentarlo.