Discusión sobre el artículo "Características del Wizard MQL5 que debe conocer (Parte 22): Redes generativas adversativas (RGAs) condicionales"
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
Artículo publicado Características del Wizard MQL5 que debe conocer (Parte 22): Redes generativas adversativas (RGAs) condicionales:
Las redes generativas antagónicas son un emparejamiento de redes neuronales que se entrenan entre sí para obtener resultados más precisos. Adoptamos el tipo condicional de estas redes mientras buscamos una posible aplicación en la previsión de series de tiempo financieras dentro de una clase de señales expertas.
Las redes generativas adversarias condicionales son un tipo de RGAs que permiten la personalización del tipo de datos de entrada en su red generativa. Como se puede ver en el enlace compartido y al leer sobre el tema, las GAN son un par de redes neuronales: un generador y un discriminador. Ambos se entrenan o se entrenan entre sí, y el generador mejora en la generación de una salida objetivo mientras que el discriminador se entrena en la identificación de datos (también conocido como los datos falsos) del generador.
La aplicación de esto es típicamente en el análisis de imágenes, donde se utiliza una red generadora para generar imágenes y la red discriminadora identifica si la imagen que se le suministra como entrada fue creada por la red generadora o es real. El entrenamiento mutuo se realiza alimentando las imágenes del generador discriminador alternadas con imágenes reales y, como en cualquier red, la retropropagación ajustaría apropiadamente los pesos del discriminador. Por otro lado, el generador, en configuraciones no condicionales o típicas, recibe datos de entrada aleatorios y se supone que debe generar imágenes lo más realistas posible, independientemente de esto.
En una configuración RGA condicional, hacemos una ligera modificación: alimentamos la red generativa con un cierto tipo de datos como entrada y no datos aleatorios. Esto es aplicable o útil en situaciones donde el tipo de datos que alimentamos al discriminador están emparejados o en 2 partes y el objetivo de la red discriminadora es determinar si los datos emparejados de entrada son válidos o inventados.
Autor: Stephen Njuki