Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
https://nplus1.ru/material/2016/11/04/recurrent-networks
Les choses se sont-elles améliorées après l'application du chalut ?
Peut-être faudrait-il modifier la condition de conclusion de l'accord, car le chalutage est une issue trop facile, sans essayer de régler les choses ?
Pour un automate, la conclusion d'une affaire est liée à une certaine condition.
Sur le réel, les arrêts vont gâcher les nerfs...
Les choses se sont-elles améliorées après l'application du chalut ?
Peut-être faudrait-il modifier la condition de conclusion de l'accord, car le chalutage est une porte de sortie trop facile, sans essayer de régler les choses ?
Pour un automate, la clôture d'une transaction est associée à une condition.
Sur le réel, les arrêts vont gâcher les nerfs...
Les choses se sont-elles améliorées après l'application du chalut ?
Peut-être faudrait-il modifier la condition de conclusion de l'accord, car le chalutage est une porte de sortie trop facile, sans essayer de régler les choses ?
Pour un automate, la clôture d'une transaction est associée à une condition.
Sur le terrain, les arrêts vont gâcher les nerfs...
Je ne sais pas, peut-être que les paramètres sont faux ... Plus tard, je mettrai la version mise à jour dans le monitoring avec un risque normal
Je voudrais ajouter d'autres entrées, j'en ajouterai 3 maintenant et 5 bientôt.
J'ai commencé à former un réseau neuronal. La tâche planifiée n'est pas encore en cours. Il indique que les données ne sont pas dans le format. Je ne comprends pas encore ce qu'il veut(.
Mais voici un exemple pour le réseau [3,4,1].
Il semble que ce soit bon.
J'ai commencé à former un réseau neuronal. La tâche planifiée n'est pas encore en cours. Il indique que les données ne sont pas dans le format. Je ne comprends pas encore ce qu'il veut(.
Mais voici un exemple pour le réseau [3,4,1].
Ça a l'air d'aller.
Le tensorflow de Google semble également bon, mais il n'est pas très pratique à installer et à utiliser avec python.
Le tensorflow de Google a également l'air bien, mais il n'est pas très pratique à installer et à utiliser avec python.
C'est la neuronique de SciLab. Maintenant, la tâche principale a soudainement (de façon inattendue) commencé à apprendre. Je me suis trompé quelque part apparemment).
En général, on dit qu'il y a beaucoup de neurones sur Internet et dans C++. Mais je ne les ai pas cherchés.
C'est la neuronique de SciLab. Maintenant, la tâche principale a soudainement (de façon inattendue) commencé à apprendre. Je me suis trompé quelque part apparemment).
En général, on dit qu'il y a beaucoup de neurones sur l'Internet et dans le C++. Mais je ne les ai pas cherchés.
J'en ai partout, il y a maintenant un vrai boom neuronal).
Une expérience visant à former un réseau de neurones (NS) pour croiser deux MA a échoué. Il a été entraîné à reconnaître uniquement les croisements vers le haut.
Pour l'expérience, le NS - 3,3,3,1 a été sélectionné et testé pour l'entraînement et la reconnaissance de modèles créés artificiellement. Cependant, après avoir appris à reconnaître les MAs, pas un seul croisement n'a été reconnu. La raison en est que le NS a besoin d'images plus contrastées, et ne se soucie pas de toutes les différences de 0,01-0,1 entre les entrées.
Pour une structure donnée du SN, il est tout à fait possible d'obtenir une reconnaissance fiable lorsque la différence de signal n'est pas inférieure à 0,2-0,3.
Je commence à explorer les réseaux neuronaux.
Je cherche des options qui peuvent être mises en œuvre directement dans MT5.
Je suis intéressé par la variante utilisant ALGLIB (https://www.mql5.com/ru/articles/2279), mais d'après la description du réseau, il s'agit d'un réseau séquentiel sans rétroaction. Et l'inconvénient est qu'il ne peut être formé que par un seul fil de processeur (qui traite le conseiller expert avec un réseau neuronal).
Je pense qu'il ne serait pas trop difficile d'ajouter 2 couches séquentielles cachées au réseau neuronal de l'article https://www.mql5.com/ru/articles/497, puis de l'entraîner par force brute ou génétique dans le testeur. Mais dans ce cas, vous pouvez utiliser beaucoup plus de fils de calcul (cœurs de votre processeur, dans le réseau et dans le nuage). Est-ce que j'ai bien compris ?
Comment ajouter des instructions manuelles pour les bonnes réponses (lieux d'achat et de vente) dans la formation d'un tel réseau ?
Peut-être existe-t-il déjà une bibliothèque pour les réseaux séquentiels multicouches quelque part ?
Par ailleurs, je ne comprends pas très bien l'utilité de l'utilisation des couches internes pour les opérations de change. Est-il judicieux de les ajouter ? Pourquoi ?