Discusión sobre el artículo "Aprendizaje automático y Data Science (Parte 27): Redes neuronales convolucionales (CNN) en los robots comerciales de MetaTrader 5: ¿Merecen la pena?"
MetaQuotes:
Artículo publicado Aprendizaje automático y ciencia de datos (Parte 27): Redes neuronales convolucionales (CNN) en robots de trading para MetaTrader 5:
Autor: Omega J Msigwa
5,5 operaciones por año en H4 no es suficiente. Muy poco.
Es la explicación más concisa de la CNN aplicada al trading que he visto nunca y, en su mayor parte, en lenguaje llano y diagramas. Luego se reduce a código MQL5. Tenga en cuenta que el código no se limita al marco de tiempo H4.
Bien hecho, señor!👍
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 Aprendizaje automático y Data Science (Parte 27): Redes neuronales convolucionales (CNN) en los robots comerciales de MetaTrader 5: ¿Merecen la pena?:
Las redes neuronales convolucionales (CNN) son famosas por su destreza en la detección de patrones en imágenes y vídeos, con aplicaciones que abarcan diversos campos. En este artículo, exploramos el potencial de las CNN para identificar patrones valiosos en los mercados financieros y generar señales comerciales eficaces para los robots comerciales de MetaTrader 5. Descubramos cómo puede aprovecharse esta técnica de aprendizaje automático profundo para tomar decisiones de negociación más inteligentes.
Las redes neuronales convolucionales (CNN) son una clase de algoritmos de aprendizaje profundo diseñados específicamente para procesar datos estructurados en forma de cuadrícula, como imágenes, espectrogramas de audio y datos de series temporales. Son especialmente adecuados para tareas de datos visuales porque pueden aprender de forma automática y adaptativa jerarquías espaciales de características a partir de los datos de entrada.
Las CNN son la versión extendida de las redes neuronales artificiales (ANN). Se utilizan predominantemente para extraer características del conjunto de datos de matriz tipo cuadrícula. Por ejemplo, conjuntos de datos visuales como imágenes o vídeos donde los patrones de datos juegan un papel importante.
Las redes neuronales convolucionales tienen varios componentes clave como: capas convolucionales, funciones de activación, capas de agrupación, capas completamente conectadas y capas de abandono. Para entender las CNN en profundidad, analicemos cada componente y veamos de qué se trata.
Autor: Omega J Msigwa