Discusión sobre el artículo "Características del Wizard MQL5 que debe conocer (Parte 34): Incorporación de precios con un RBM no convencional"
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 34): Incorporación de precios con un RBM no convencional:
Las Máquinas de Boltzmann Restringidas (Restricted Boltzmann Machines, RBMs) son un tipo de red neuronal desarrollada a mediados de la década de 1980, en una época en la que los recursos computacionales eran extremadamente costosos.. Desde sus inicios, se basó en el muestreo de Gibbs y la divergencia contrastiva para reducir la dimensionalidad o capturar las probabilidades y propiedades ocultas en los conjuntos de datos de entrenamiento. Analizamos cómo la retropropagación puede lograr un rendimiento similar cuando la RBM "incorpora" precios en un perceptrón multicapa para pronósticos.
En el contexto de este artículo, la incrustación de precios se utiliza como un proceso muy similar aWord embedding o encaje léxico; y esto, como algunos lectores pueden saber, es el paso previo para transformar redes de modelos lingüísticos grandes. La incrustación de palabras, que puede definirse como la numeración de palabras, cuando se combina conAtenciónayuda a convertir gran parte del material escrito que está disponible en línea en un formato que las redes neuronales pueden entender. También nos inspiramos en este planteamiento al presumir que, por defecto, las redes neuronales no pueden «comprender» fácilmente los datos sobre las cotizaciones de los valores (aunque sean numéricos). Y nuestro enfoque para hacer esto más comprensible es utilizar un RBM entrenado por retropropagación.
Ahora bien, la conversión de palabras en números no consiste simplemente en asignar un número a una palabra o letra, sino que es un proceso intrincado que implica autoatención, como ya se ha mencionado anteriormente. Creo que se pueden establecer paralelismos con los RBM si se tiene en cuenta su diseño gráfico bipartito.
Si bien no hay conexiones directas de neurona a neurona dentro de una capa de un RBM, estas conexiones, que podrían ser clave para capturar el componente de autoatención de cualquier dato de entrada, se realizan a través de la capa oculta. Con esta tesis, la capa oculta no solo registra cómo podría redibujarse cada neurona, sino también cuál es el significado de sus relaciones con las otras neuronas.
Como siempre, en lo que respecta a los traders, la prueba está en el pudín y, por lo tanto, los beneficios de esta incorporación de precios solo se pueden demostrar con los resultados comerciales. Y vamos a llegar a la primera parte de este proceso, sin embargo, podría valer la pena resaltar que la escala de recompensas que uno obtiene de la incrustación de palabra a número no se puede comparar con las que estamos viendo en la incrustación de número a número, esto se debe a que lo que estamos haciendo aquí no es tan transformacional. Con esto, consideremos ahora cómo reconstruimos un RBM con retropropagación.
Autor: Stephen Njuki