Redes neuronales - página 26

[Sergey Golubev]

Qué leer y dónde aprender sobre el aprendizaje automático

Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий

Qué leer y dónde aprender sobre el aprendizaje automático

MetaQuotes Software Corp., 2017.08.25 11:37

Hay 10 libros gratuitos relacionados con el Machine Learning (basados en el portalthepixelbeard.com.

1. Los elementos del aprendizaje estadístico : minería de datos, inferencia y predicción

Este es un libro electrónico de T.Hastie, R. Tibshirani, J.Friedman que permite a los lectores obtener conocimientos sobre los fundamentos conceptuales. Se incluyen temas variados como el marco estadístico y mucho más.

2. Programación lógica inductiva

La programación lógica inductiva es un tema de aprendizaje automático. Se utiliza en el campo de la investigación en la intersección del aprendizaje automático y la programación lógica.

3. Aprendizaje por refuerzo: Una introducción por Richard S. Sutton, Andrew G. Barto

Este es un ebook escrito por Richard S. Sutton, Andrew G. Barto. Con este ebook los usuarios pueden obtener una comprensión del aprendizaje automático de la manera más fácil.

4. Teoría de la información, inferencia y algoritmos de aprendizaje

Este es un ebook escrito por David J.C. Mackay en el que el tema de la teoría de la información está bien explicado de tal manera que ayuda a los lectores a alcanzar un buen conocimiento sobre los sistemas de comunicación prácticos, a saber, la codificación aritmética para la compresión de datos, los códigos de gráficos dispersos para la corrección de errores y más.

5. Procesos gaussianos para el aprendizaje automático

Este es un libro electrónico de Carl E. Rasmussen, Chritopher K.I Williams. Con este ebook se puede aprender un enfoque probabilístico, práctico y basado en principios para el aprendizaje en máquinas kernel de una manera bastante sencilla.

6. El camino de LION

Este ebook está escrito por Roberto Battiti, Mauro Brunato y ha sido escrito de tal manera que ayuda a los usuarios en el aprendizaje de máquinas y optimización inteligente (LION).

7. Razonamiento Bayesiano y Aprendizaje Automático

Se trata de un libro electrónico escrito por David Barber que se dirige a los estudiantes de último curso de grado y de máster. Los temas incluyen el álgebra lineal y el cálculo. Este libro ayuda a los usuarios a aprender el razonamiento básico, las técnicas avanzadas en el marco de los modelos gráficos y a desarrollar habilidades.

8. Un curso de aprendizaje automático

Este ebook de Hal Daume III es un libro de curso que incluye un conjunto de material introductorio que cubre diferentes aspectos del aprendizaje automático moderno.

9. Aprendizaje automático, clasificación neuronal y estadística

Este es un ebook de D. Michie, D.J Spiegelhalter que tiene como objetivo proporcionar una revisión actualizada de los diferentes enfoques de clasificación.

10. Introducción al aprendizaje automático

Este ebook está escrito por Nilis J Nilsson. Incluye diferentes temas en el aprendizaje automático alrededor de 1996 que ayuda a las personas a buscar un punto medio entre la teoría y la práctica.

[Sergey Golubev]

Red neuronal

Red neuronal: hilos de discusión/desarrollo

1. Hilo de desarrollo de Better NN EA con indicadores, archivos pdf y demás.
2. Hilo final de Better NN EA
3. Llevando las REDES NEURALES al SIGUIENTE NIVEL -hilo muy interesante
4. Hilo de Redes Neuronales (buen debate público)
5. Cómo construir un NN-EA en MT4:hilo útil para desarrolladores.
6. Red de Base Radial (RBN) - Como filtro de ajuste para el precio:el hilo

Red Neural: Indicadores y desarrollo de sistemas

1. MA autoentrenado cruzado: hilode desarrollo para la nueva generación de los indicadores
2. Algoritmo de Levenberg-Marquardt: hilode desarrollo

Red neuronal: EAs

1. CyberiaTrader EA:hilo de discusión ehilo de EAs.
2. Hilo de expertos de autoaprendizaje con archivos de EAsaquí.
3. Hilos de EAs de Inteligencia Artificial:Hilo de cómo "enseñar" y utilizar el EA de IA ("neurona") e hilo de Inteligencia Artificial
4. Forex_NN_Expert EA e hilode indicadores.
5. SpiNNaker - Un hilode EA de red neuronal.

Red Neural: Los libros

1. Qué leer y dónde aprender sobre Aprendizaje Automático(10 libros gratuitos) - el post.

El artículo

• RedesNeuronales hechas fáciles - MT5
  
• Redes neuronales fáciles (Parte 2): Entrenamiento y prueba de la red - MT5
  
• El aprendizaje automático en los sistemas de trading Grid y Martingale. ¿Apostarías por ello? - MT5
  
• Redes neuronales fáciles (Parte 3): Redes convolucionales - MT5
  
• Redes neuronales fáciles (Parte 4): Redesrecurrentes - MT5
• Redes neuronales fáciles (Parte 5): Cálculos multihilo en OpenCL - MT5
• Redes neuronales fáciles (Parte 6): Experimentando con la tasa de aprendizaje de las redes neuronales - MT5
• Redes neuronales fáciles (Parte 7): Métodos de optimización adaptativa - MT5
• Redes neuronales fáciles (Parte 8): Mecanismos de atención - MT5
• Redes neuronales fáciles (Parte 9): Documentación del trabajo - MT5
  
• Redes neuronales fáciles (Parte 10): Laatención multicabeza - MT5
  
• Redes neuronales fáciles (Parte 11): Una visión de la GPT - MT5
  
• Redes neuronales fáciles (Parte 12): Elabandono - MT5
  
• Redes neuronales fáciles (Parte 13): Normalización por lotes - MT5
  
• Desarrollo de un algoritmo autoadaptativo (Parte I): Encontrar un patrón básico- MT5
  
• Desarrollo de un algoritmo autoadaptativo (Parte II): Mejora de la eficiencia- MT5
  
• Algoritmo de autoadaptación (Parte III): Abandonando la optimización - MT5
  
• Red neuronal profunda con RBM apilado. Autoentrenamiento, autocontrol- MT4
• Aplicación prácticade las redes neuronales en el trading - MT5
  
• Aplicación práctica de las redes neuronales en el trading. Python (Parte I) - MT5
  
• Aplicación práctica de las redes neuronales en el trading (Parte 2). Visión por ordenador - MT5
  
• Conexión de Neuronets de NeuroSolutions- MT5
• Uso de redes neuronales en MetaTrader- MT4
• Predicción de precios mediante redes neuronales - MT4
• Recetas para Ne uronets - MT4
• Redes neuronales de tercera generación: Redesprofundas- MT5
• Redes NeuronalesBaratas y Alegres - Vincular NeuroPro con MetaTrader 5- MT5
• Creación de EAs de redes neuronales usando el asistente MQL5 y el generador de EAs Hlaiman- MT5
• Red neuronal: Auto-optimización Asesor de Expertos- MT5
• Redes Neuronales: De la teoría a la práctica- MT5
• Uso de indicadores de MetaTrader 5 con el marco de aprendizaje automático ENCOG para la predicción de series temporales- MT5
• Uso de mapas de características autoorganizadas (mapas de Kohonen) en MetaTrader 5 - MT5
• Redes Neuronales Profundas (Parte I). Preparación de datos- MT5

• Redes Neuronales Profundas (Parte II). Elaboración y selección de predictores- MT5

CodeBase

• Predictor del siguiente precio usando una red neuronal - indicador para MetaTrader 4
• Easy Neural Network - biblioteca para MetaTrader 5
  
• ALGLIB - Biblioteca de análisis numérico- biblioteca para MetaTrader 4
• MTS Neural network plus MACD- experto para MetaTrader 4
• ArtificialIntelligence_Right- experto para MetaTrader 4
• NeuroNirvamanEA- experto para MetaTrader 4
• Cree su propio predictor de red neuronal fácilmente (ejemplo: MA y RSI Predictors)- indicador para MetaTrader 4
• Sistema de comercio automatizado "Сombo"- experto para MetaTrader 4
• MTC Neural network plus MACD- experto para MetaTrader 5
• Cálculo de la anchura de la banda de Bollinger con la red neuronal utilizando- experto para MetaTrader 5
• PNN Ne ural Network Class - biblioteca para MetaTrader 5
• Clase de red neuronalGRNN- biblioteca para MetaTrader 5
• Clase de red neuronalRBF- biblioteca para MetaTrader 5
• ClaseMLP Neural Network - librería para MetaTrader 5
• Inteligencia Artificial- experto para MetaTrader 5

[Sergey Golubev]

Nuevo artículo -

Redes neuronales profundas (Parte III). Selección de muestras y reducción de la dimensionalidad

Contenido

• Introducción
• 1.
• Selección de muestras
  
• 2. Reducción de la dimensionalidad
• 
  
• 2.1. Análisis de componentes principales (PCA)
• 2.2. Análisis de componentes independientes (ICA)
• 2.3. 2.4. Análisis probabilístico de componentes principales (PPCA)
• 2.4. Autoencoder (PCA no lineal)
  
• 2.5. Análisis de componentes principales no lineal inverso (NLPCA)
• 3. Dividir el conjunto de datos en los conjuntos de entrenamiento/validez/pruebaConclusiónAplicación

[Sergey Golubev]

Artículo siguiente -

Redes neuronales profundas (Parte IV). Creación, entrenamiento y prueba de un modelo de red neuronal

Contenido

• Introducción
• 1. Breve descripción de las capacidades del paquete
• 1.1. Funciones de inicialización de las neuronas
• 1.2. Funciones de activación de las neuronas
• 1.3. Métodos de entrenamiento
• 1.4. Métodos de regulación y estabilización
• 1.5. Métodos y parámetros de entrenamiento de un RBM
• 1.6. Métodos y parámetros de entrenamiento de una DNN
• 2. Comprobación de la calidad del trabajo de una DNN en función de los parámetros utilizados
• 2.1. Experimentos
• 2.1.1. Datos de entrada (preparación)
• 2.1.2. Modelo básico de comparación
• 2.1.3. Estructura de una DNN
• 2.1.4. Variantes de entrenamiento
• Con preentrenamiento
• Sin preentrenamiento
• 2.2. Análisis de los resultados
• Conclusión
• Aplicación

[Sergey Golubev]

Llevarlas REDES NEURALES al SIGUIENTE NIVEL - hilo muy interesante:

This thread won't be about a question or problem, but rather about the anouncement of the presentation and documentation of an exciting trading concept. I plan to do a series of postings here in order to keep you guys updated.

Quien tenga una opinión sobre el tema, que no dude en comentar, aunque no tenga conocimientos profundos de machine learning (yo también sigo aprendiendo, lo que nunca termina).

[Chris70]

Sergey Golubev:

Llevar las REDES NEURALES al SIGUIENTE NIVEL - hilo muy interesante:

gracias, Sergey; soy el iniciador de ese hilo; no conocía esos dos artículos (arriba) que enlazaste en octubre de 2017. Los temas son extremadamente cercanos entre sí, así que me doy cuenta de que estaba siendo un poco redundante. No obstante, continuaré la serie, porque creo que el aspecto LSTM+autoencoder puede seguir siendo de interés.

[Sergey Golubev]

Foro sobre trading, sistemas de trading automatizados y prueba de estrategias de trading

Cómo empezar con Metatrader 5

Sergey Golubev, 2020.03.12 06:42

Redes neuronales fáciles de usar - MT5

Tabla de contenidos

• Introducción
• 1. Principios de construcción de redes de IA
• 2. La estructura de una neurona artificial
• 3. Entrenamiento de la red
• 4. Construir nuestra propia red neuronal utilizando MQL
• 4.1. Conexiones
• 4.2. Una neurona
• 4.3. Red neuronal
• Conclusión
• Referencias
• Programas utilizados en el artículo

La Inteligencia Artificial cubre cada vez más varios aspectos de nuestra vida. Aparecen muchas publicaciones nuevas en las que se afirma que "la red neuronal fue entrenada para...". Sin embargo, la inteligencia artificial se sigue asociando a algo fantástico. La idea parece muy complicada, sobrenatural e inexplicable. Por lo tanto, un milagro tan avanzado sólo puede ser creado por un grupo de científicos. Parece que no se puede desarrollar un programa similar utilizando nuestro PC doméstico. Pero créanme, no es tan difícil. Intentemos entender qué son las redes neuronales y cómo se pueden aplicar en el trading.

[Sergey Golubev]

Easy Neural Network - biblioteca para MetaTrader 5

El script de prueba proporcionado ha incluido comentarios que son fáciles de seguir.

Puede guardar la configuración de la red devuelta en un archivo y luego cargarla en diferentes sesiones.

Esta biblioteca ha hecho poco uso de la POO, y por lo tanto debe ser fácil de seguir a lo largo incluso por los programadores más nuevos.

[Sergey Golubev]

Aplicación práctica de las redes neuronales en el trading - el artículo para MT5

----------------

Este artículo considera la aplicación de las redes neuronales en la creación de robots de trading. Este es el sentido estricto de este problema. En un sentido más amplio, intentaremos responder a algunas preguntas y abordar varios problemas:

1. ¿Se puede crear un sistema rentable utilizando el aprendizaje automático?
2. ¿Qué nos puede aportar una red neuronal?
3. El fundamento del entrenamiento de las redes neuronales para la toma de decisiones.
4. Red neuronal: ¿es difícil o simple?
5. ¿Cómo integrar una red neuronal en un terminal de trading?
6. ¿Cómo probar una red neuronal? Etapas de la prueba.
7. Sobre las muestras de entrenamiento.

[Sergey Golubev]

Este es el tercer artículo:

Redes neuronales fáciles de usar (Parte 3): Redes convolucionales- MT5

Contenido

• Introducción
• 1. Características distintivas de las redes neuronales convolucionales
• 1.1. Capa convolucional
• 1.2. Capas de submuestreo
• 2. Principios de entrenamiento de las neuronas en las capas convolucionales
• 3. Construcción de una red neuronal convolucional
• 3.1. Clase básica de neuronas
• 3.1.1. Feed-forward
• 3.1.2. Cálculo del gradiente de error
• 3.2. Elemento de la capa de submuestreo
• 3.2.1. Feed-forward
• 3.2.2. Cálculo del gradiente de error
• 3.3. 3.3. Elemento de la capa convolucional
• 3.4. Creación de una clase de red neuronal convolucional
• 3.4.1. Constructor de la clase de red neuronal convolucional
• 3.4.2. Método de propagación hacia delante de la red neuronal convolucional
• 3.4.3. Método de propagación hacia atrás de la red neuronal convolucional
• 4. Probando
• Conclusión
• Lista de referencias
• Programas utilizados en el artículo

----------------

Dos artículos anteriores relacionados con este tema:

• Las redesneuronales hechas fáciles - MT5
  
• Redes neuronales fáciles (Parte 2): Entrenamiento y prueba de la red - MT5