Discusión sobre el artículo "Aprendizaje automático y Data Science - Redes neuronales (Parte 01): Análisis de redes neuronales con conexión directa"

 

Artículo publicado Aprendizaje automático y Data Science - Redes neuronales (Parte 01): Análisis de redes neuronales con conexión directa:

A muchos les gustan todas las operaciones que hay detrás de las redes neuronales, pero pocos las entienden. En este artículo, intentaremos explicar en términos sencillos lo que ocurre detrás un perceptrón multinivel con conexión Feed Forward.

La función de tangente hiperbólica.

Esta función viene dada por la fórmula

Fórmula de tanh

Su horario es el siguiente:

Imagen de la función de activación de tanh

Autor: Omega J Msigwa

 

Hola,

Muy bueno tu artículo. ¡Buen trabajo!


He estado leyendo sobre la red neur onal, pero hasta ahora todavía no he descubierto qué ventajas o diferencias puede tener la red neuronal en comparación con el propio sistema de optimización MT5.

Por ejemplo: Si tengo alguna estrategia usando MACD y ATR, puedo "entrenarla" para encontrar los mejores parámetros en el sistema de optimización MT5. Y también puedo incluir un sistema de pesos en los indicadores u otros datos.

Ambos buscarán los mejores parámetros o "pesos" en el pasado para aplicarlos en el futuro.

A lo mejor estoy equivocado y no he entendido bien la idea.


¿Podría explicarlo? ¿O dar algunos ejemplos?

Neural Networks: From Theory to Practice
Neural Networks: From Theory to Practice
  • www.mql5.com
Nowadays, every trader must have heard of neural networks and knows how cool it is to use them. The majority believes that those who can deal with neural networks are some kind of superhuman. In this article, I will try to explain to you the neural network architecture, describe its applications and show examples of practical use.
 
Guilherme Mendonca #:

...

¿Podría explicarlo? ¿O dar algunos ejemplos?

la diferencia entre la optimización, en el probador de estrategia frente a la optimización de los parámetros de la red neuronal es el objetivo, en el probador de estrategia que tienden a centrarse en los parámetros que proporcionan los resultados más rentables o al menos los resultados comerciales que queremos, esto no significa necesariamente que la red neuronal tiene un buen modelo que ha llevado a ese tipo de resultados

algunas personas prefieren poner los pesos y el sesgo como parámetros de entrada de los sistemas basados en redes neuronales(Feed forward en términos generales), pero creo que la optimización utilizando el probador de estrategia es básicamente encontrar los valores aleatorios de los mejores resultados(encontrar los óptimos suena como depender de la suerte), mientras que si tuviéramos que optimizar el uso de descenso por gradiente estocástico nos estamos moviendo hacia el modelo con los menores errores en las predicciones en cada paso

 
Omega J Msigwa #:

la diferencia entre la optimización, en el probador de estrategias frente a la optimización de los parámetros de la red neuronal es el objetivo, en el probador de estrategias tendemos a centrarnos en los parámetros que proporcionan los resultados más rentables o al menos los resultados de negociación que queremos, esto no significa necesariamente que la red neuronal tiene un buen modelo que ha llevado a ese tipo de resultados

algunas personas prefieren poner los pesos y el sesgo como parámetros de entrada de los sistemas basados en redes neuronales(Feed forward en términos generales), pero creo que la optimización utilizando el probador de estrategia es básicamente encontrar los valores aleatorios de los mejores resultados(encontrar los óptimos suena como depender de la suerte), mientras que si tuviéramos que optimizar el uso de descenso por gradiente estocástico nos estamos moviendo hacia el modelo con los menores errores en las predicciones en cada paso

Gracias por su respuesta.

Entiendo lo que quieres decir.

 

¿Por qué has empezado por la primera parte?

artículo antiguo:

CIENCIA DE DATOS Y APRENDIZAJE AUTOMÁTICO (PARTE 01): REGRESIÓN LINEAL

https://www.mql5.com/es/articles/10459

Data Science and Machine Learning (Part 01): Linear Regression
Data Science and Machine Learning (Part 01): Linear Regression
  • www.mql5.com
It's time for us as traders to train our systems and ourselves to make decisions based on what number says. Not on our eyes, and what our guts make us believe, this is where the world is heading so, let us move perpendicular to the direction of the wave.
 
Xiaolei Liu #:

¿Por qué empezó por la primera parte?

artículo antiguo:

CIENCIA DE DATOS Y APRENDIZAJE AUTOMÁTICO (PARTE 01): REGRESIÓN LINEAL

https://www.mql5.com/es/articles/10459

¿a qué se refiere?

 
Xiaolei Liu #:

¿Por qué empezó por la primera parte?

artículo antiguo:

CIENCIA DE DATOS Y APRENDIZAJE AUTOMÁTICO (PARTE 01): REGRESIÓN LINEAL

https://www.mql5.com/es/articles/10459

Supongo que es la primera parte de la subserie Redes Neuronales. A la espera de la segunda...