Discusión sobre el artículo "Red neuronal cuántica en MQL5 (Parte I): Creamos un archivo de inclusión"
Bueno, ¿qué hay de malo en eso? Fueron los Transformers los que hicieron avanzar poderosamente la tecnología de procesamiento del lenguaje natural en su época. Comparado con las RNN que vinieron antes, esto es realmente genial. Creo que en el futuro veremos una síntesis de computación cuántica y redes neuronales, la arquitectura de meta red neuronal en anillo donde hay 12 copias del modelo como en el artículo, que en una ronda como bousting se mejoran mutuamente los resultados y aprenden de las salidas, confianza y errores de los demás va genial. Aquí hay una prueba, incluso sin pre-entrenamiento, es sólo el aprendizaje en línea.....
El script del artículo compilado sólo de esta manera, después de reemplazar el includnik. De lo contrario no ve la red neuronal. Probablemente porque lo tiré en la sección Expert Advisors sin leer el artículo hasta el final.
//#include <Shtenco_SimpleQuantumNeural.mqh> #include <QuantumNeuralMQL.mqh>
pero entonces todavía no está claro qué probar :) como tarea - terminar de escribir el bot?
El script del artículo compilado sólo de esta manera, después de reemplazar el includnik. De lo contrario no ve la red neuronal. Probablemente porque lo tiré en la sección Expert Advisors sin leer el artículo hasta el final.
pero entonces todavía no está claro qué probar :) como tarea - terminar de escribir el bot?
Hola Maxim, he reemplazado los archivos ahora - me confundí las inclusiones en diferentes versiones del artículo
En cuanto al bot - en la siguiente parte voy a tener un bot simple en este NS).
El script del artículo compilado sólo de esta manera, después de reemplazar el includnik. De lo contrario no ve la red neuronal. Probablemente porque lo tiré en la sección Expert Advisors sin leer el artículo hasta el final.
pero entonces todavía no está claro qué probar :) como tarea - terminar de escribir el bot?
Bueno, ¿qué pasa? Fue Transformers que en su tiempo poderosamente avanzadas tecnologías de procesamiento del lenguaje natural. En comparación con las RNN que vinieron antes, esto es realmente genial. Creo que en el futuro veremos una síntesis de computación cuántica y redes neuronales, la arquitectura de meta redes neuronales en anillo donde hay 12 copias del modelo como en el artículo, que en una ronda como bousting se mejoran mutuamente los resultados y aprenden de las salidas, confianza y errores de los demás va genial. Aquí hay una prueba, incluso sin pre-entrenamiento, es sólo el aprendizaje en línea.....
¿Una prueba sobre historias de 2017?
¿por qué no de los años 24/25?
- 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 Red neuronal cuántica en MQL5 (Parte I): Creamos un archivo de inclusión:
El cerebro humano opera con varios tipos de memoria simultáneamente. Cuando un tráder experimentado observa un gráfico, recuerda instantáneamente situaciones similares del pasado, analiza el contexto actual y se forma una comprensión intuitiva de lo que podría suceder a continuación. Este principio constituye la base de nuestro ContextAnalyzer, un componente revolucionario que recrea la intuición humana en formato digital.
Nuestro sistema de memoria funciona en cinco niveles, cada uno con su especialización propia. La memoria a corto plazo capta los cambios instantáneos del mercado; cada tick, cada movimiento de precios. La memoria a medio plazo acumula información sobre las tendencias horarias y diarias. La memoria a largo plazo almacena patrones fundamentales que surgen a lo largo de los meses y los años.
Pero la verdadera magia comienza con la memoria episódica. Esta se activa solo cuando ocurre algo realmente importante: un aumento repentino de la volatilidad, noticias inesperadas o un cambio de tendencia. Estos momentos quedan marcados con una fuerza especial, formando "recuerdos" únicos que el sistema utilizará para reconocer situaciones similares en el futuro.
Autor: Yevgeniy Koshtenko