Discusión sobre el artículo "Redes neuronales: así de sencillo (Parte 73): AutoBots para predecir la evolución de los precios"
THIS is Second to THE BEST Article So far! <3
Hola. Ya hay cinco Asesores Expertos en la carpeta. ¿Podrías decirme en qué orden los has ejecutado?
0. ResearchRealORL.mq5 - lo ejecutamos al principio (no necesariamente) para la recogida inicial de trayectorias. Pero antes de lanzarlo, es necesario un trabajo preparatorio para recopilar trayectorias reales a partir de señales u otras fuentes. El proceso se describe en el artículo 67
1. research.mq5 - se ejecuta para la colección inicial de trayectorias mediante políticas aleatorias y actualizando la base de datos de ejemplos después de cada iteración de entrenamiento de políticas. Requiere al menos 1 pasada en la base de datos de ejemplos.
2. StudyEncoder.mq5 - se ejecuta "una vez durante mucho tiempo" para entrenar el modelo de predicción de trayectorias.
3. Study.mq5 - se ejecuta iterativamente con Research.mq5 para entrenar la política del Agente. Requiere una base de datos de ejemplos primarios y un modelo de predicción de trayectoria entrenado.
4. Test.mq5 - se utiliza para probar la política entrenada en el probador de estrategias.
- www.mql5.com
.... Además. Enlaces a artículos anteriores se han convertido en como múltiples Goto para despistar.
No puedo dar una lista completa de la serie. Algunos de los artículos aparecen en "Otros artículos del autor". Y la lista completa se puede encontrar en una búsqueda.
No hay StudyEncoder.mq5 en la carpeta . Pero sí están Alternate y Study Traj, que no mencionas.
Pido disculpas, StudyEncoder estaba en el artículo anterior. En este ha cambiado el nombre a StudyTraj. En el anterior se enseñaba la representación comprimida de la trayectoria en Autoencoder. Y Autobot estudio devuelve la trayectoria.
Alterno - se utiliza en la prueba para comprobar la exactitud de la predicción de la trayectoria. En él, simplemente tomamos la trayectoria predicha por Autobot, determinamos el extremo más cercano en ella y realizamos una operación en su dirección con un lote mínimo.
Hay un enlace en la parte inferior de la Historia de cualquier página de la señal
- 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 Redes neuronales: así de sencillo (Parte 73): AutoBots para predecir la evolución de los precios:
Seguimos hablando de algoritmos para entrenar modelos de predicción de trayectorias. En este artículo nos familiarizaremos con un método llamado "AutoBots".
Predecir eficazmente el movimiento de los pares de divisas es un aspecto clave de la gestión segura de las operaciones. En este contexto, se presta especial atención al desarrollo de modelos eficientes que puedan aproximar con precisión la distribución conjunta de la información contextual y temporal necesaria para tomar decisiones comerciales. Como posible solución a tales tareas, vamos a discutir un nuevo método llamado "Latent Variable Sequential Set Transformers" (AutoBots) presentado en el artículo "Latent Variable Sequential Set Transformers For Joint Multi-Agent Motion Prediction". El método propuesto se basa en la arquitectura codificador-decodificador. Se desarrolló para resolver problemas de control seguro de sistemas robóticos. Permite generar secuencias de trayectorias para múltiples agentes coherentes con la escena. Los AutoBots pueden predecir la trayectoria de un ego-agente o la distribución de las trayectorias futuras de todos los agentes de la escena. En nuestro caso, intentaremos aplicar el modelo propuesto para generar secuencias de movimientos de precios de pares de divisas coherentes con la dinámica del mercado.
Autor: Dmitriy Gizlyk