Discusión sobre el artículo "Tercera generación de neuroredes: "Neuroredes profundas""
Gracias por el artículo. "Es mucho que asimilar de golpe.
Pregunta para el autor. Con respecto a la construcción de un Asesor Experto, ¿el número de coeficientes a ajustar con la lógica de multiplicar y sumar también está fuera de escala aquí?
Gracias por el artículo. "Es mucho que asimilar de golpe.
Pregunta para el autor. Con respecto a la construcción de un Asesor Experto, ¿el número de coeficientes a ajustar con la lógica de multiplicar y sumar también está fuera de escala aquí?
No entiendo la pregunta. ¿De qué está hablando?
¡FELICIDADES!
¡Artículo muy informativo y de calidad!
¡FELICIDADES!
¡Artículo muy informativo y de calidad!
Saludos.
Podemos utilizar este ejemplo para comprender la agrupación de clusters de entrada y la correspondencia de los clusters con el cluster de destino y otras cuestiones de clasificación.
Terminaré el cálculo y lo publicaré
Suerte
Saludos.
Podemos usar este ejemplo para entender la agrupación de clusters de entrada y la correspondencia de los clusters con el objetivo y otras cuestiones de clasificación.
Terminaré el cálculo y lo postearé
Suerte.
vlad1949:
...
- Indicador i_SAE.mq4, colóquelo en la carpeta ~/MQL4/Indicators/
- Asesor Experto e_SAE.mq4, colóquelo en la carpeta ~/MQL4/Experts/.
- Biblioteca mt4Rb7.dll, colóquela en la carpeta ~/MQL4/Libraries/.
- Archivo de cabecera mt4Rb7.mqh, ponlo en la carpeta ~/MQL4/Include/. La biblioteca y el archivo de cabecera fueron desarrollados y proporcionados por una persona amable Bernd Kreuss. En el nombre he añadido el índice de la última modificación (b7). Cuando hay muchas versiones (como la mía) con los mismos nombres, hay contratiempos que lleva mucho tiempo pillarlos.
...
Muy interesante. Me encantaría comparar opciones. Traté de averiguar la agrupación - sólo una cantidad aterradora de herramientas.
Es cierto. Pero lo importante aquí no es tanto el clustering en sí como determinar el número óptimo de clusters en los que podemos (debemos) dividir nuestro conjunto.
Es mucho escribir. Quizá lo termine mañana.
Suerte
- 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 Tercera generación de neuroredes: "Neuroredes profundas":
El artículo está dedicado a una corriente nueva con muy buenas perspectivas en el aprendizaje automático, al así llamado "aprendizaje profundo" y más concretamente a las "neuroredes profundas". Se ha efectuado una breve panorámica de las neuroredes de 2 generación, sus arquitecturas de conexiones y tipos, métodos y normas de aprendizaje principales, así como de sus defectos más destacables. A continuacón se estudia la historia de la aparición y el desarrollo de las neuroredes de tercera generación, sus tipos principales, sus particularidades y métodos de aprendizaje. Se han realizado experimentos prácticos sobre la construcción y aprendizaje con datos reales de neurored profunda, iniciada con los pesos del auto-codificador acumulado. Se han estudiado todas las etapas, desde los datos de origen hasta la obtención de la métrica. En la última parte del artículo, se adjunta la implementación programática de una neurored profunda en forma de indicador-experto en MQL4/R.
En el artículo se estudiarán los conceptos básicos del tema "Aprendizaje profundo" (Deep Learning), "Red profunda" (Deep Network) sin exposiciones matemáticas complejas, como se dice, "de forma que lo entienda un niño".
Se realizarán experimentos con datos reales, que confirmarán (o no) las ventajas teóricas de las "redes profundas" con respecto a las "superficiales", mediante la determinación y comparación de métricas. La tarea a resolver es la clasificación. Crearemos un indicador y un experto que usen el modelo de red profunda y que funcionen conectados conforme al esquema cliente-servidor, además, los pondremos a prueba.
Se presupone que los lectores están familiarizados con los conceptos básicos del tema de las "Neuroredes". Dado que no se ha establecido aún una terminología en el tema del aprendizaje profundo, se recurrirá al inglés en los casos imprescindibles.
4. Implementación del programa (indicador y experto)
Vamos a pasar a la implementación de programa de un indicador y un experto que usan una red profunda para obtener señales comerciales.
Es posible la implementación en dos variantes:
Construimos la conexión indicador-experto según la primara variante. Un experto con el mínimo de "florituras".
¿Por qué de una forma tan complicada? Esta variante de ejecución da la posibilidad de conectar a un experto varios indicadores ubicados en varios símbolos/marcos temporales y trabajar con ellos de manera consecuente. Para ello, es necesario efectuar una pequeña modernización del experto. Pero sobre esto hablaremos más tarde.
Abajo presentamos el esquema de interacción del indicador y el experto:
Fig. 31. Esquema estructural de la interacción entre el indicador y el experto
Autor: Vladimir Perervenko