L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 600

 
Ivan Negreshniy:
Cherchez, mais le problème est qu'il n'y a pas beaucoup d'informations fraîches et systémiques sur le web concernant le travail avec la structure NS de bas niveau à l'échelle, puisque nos chercheurs descendent rarement jusqu'au backend, comme TensorFlow, la plupart d'entre eux sont au-dessus ou au niveau de Theano, Keras, Torch ou le niveau R qui s'estompe.

Pas besoin d'être stupide. TensorFlow, Theano, Torch et CNTK sont toutes des bibliothèques de différenciation automatique de bas niveau utilisées dans la formation des réseaux neuronaux profonds. Il existe de nombreuses superstructures au-dessus d'elles, l'une des plus courantes étant Keras. Pour un utilisateur ordinaire (pas un expert en réseaux neuronaux), il est pratique (plus facile et plus rapide) d'utiliser des réseaux de haut niveau.

Je suis intéressé, quelles bibliothèques avez-vous utilisées ? Ou juste entendu parler d'eux ?

Bonne chance

 
Vladimir Perervenko:

Ne sois pas stupide. TensorFlow, Theano, Torch et CNTK sont toutes des bibliothèques de différenciation automatique de bas niveau utilisées dans la formation des réseaux neuronaux profonds. Il existe de nombreuses superstructures au-dessus d'elles, l'une des plus courantes étant Keras. Pour un utilisateur ordinaire (pas un expert en réseaux neuronaux), il est pratique (plus facile et plus rapide) d'utiliser les réseaux de haut niveau.

Je suis intéressé, quelles bibliothèques avez-vous utilisées ? Ou juste entendu parler d'eux ?

Bonne chance


Oui, vous devriez lire plus attentivement, ne pas dire n'importe quoi.

Il s'agissait du back-end, j'espère que vous n'avez pas besoin d'en expliquer le sens, et le front-end concerne l'interface utilisateur, un niveau plus élevé.

Et pour ce qui est de l'intérêt, peut-être avez-vous entendu parler des graphes TensorFlow, Protocol Buffers, de la génération de code pour différentes plateformes et différents langages, c'est-à-dire essentiellement le bas niveau, alors je fais la même chose uniquement pour mon langage NS et MQL.

Vous n'en avez probablement pas entendu parler - le générateur Hlaiman EA.


Forum sur le trading, les systèmes de trading automatisés et les tests de stratégies de trading.

L'apprentissage automatique dans le trading : théorie et pratique (le trading et pas seulement)

Aleksey Terentev, 2018.01.23 06:39

Oui, j'ai des difficultés. J'ai du mal à comprendre pourquoi certaines personnes ont tant de mal à se lever de leurs talons et à travailler dur.
Oui, je traîne dans ce fil et j'interfère avec les réponses des autres au lieu de considérer les questions de manière constructive.
Discutons de manière constructive de l'apprentissage profond (deep learning), de l'application Python, de l'apprentissage avec un professeur sur les bons signaux, etc.
Je n'ai personne avec qui discuter. Et vous venez de dire que vous ne pouvez rien trouver. Eh bien, ça n'arrivera pas.
Oui, je fais une conférence pour les nuls. Après tout, l'adversaire lui-même a utilisé des moqueries voilées, a confondu des termes et a fait quelques erreurs de logique.

Et je me suis également excusé à l'avance, car j'ai écrit en sentiment.

Et aussi je vous offre l'aide dans une connaissance des principes de travail des outils pour la création des réseaux neuronaux. Sans aucune ironie ni sarcasme.


J'espère que vous comprenez aussi, d'après ce que j'ai écrit ci-dessus, dans quelle direction je pourrais être intéressé à vous aider.

Visualisation de graphiques, topologies de NS, sérialisation, formats ProtoBuf, traitement par lots et import/export de tableaux à n dimensions Poids NumPy de NS, etc.

Si vous avez ce genre d'information ou l'expérience de la mise en œuvre, avec plaisir, prêt à discuter.

 
Ivan Negreshniy:


Eh bien, oui, et pour ne pas dire n'importe quoi, vous devriez lire plus attentivement.

Il s'agissait du back-end, j'espère que vous n'avez pas besoin d'en expliquer le sens, et le front-end concerne l'interface utilisateur, c'est-à-dire un niveau supérieur.

Ne nous disputons pas sur la terminologie. En voici un extrait :

"Utilisation de la bibliothèque TensorFlow".

Récemment, le domaine florissant des réseaux neuronaux profonds a été enrichi par un certain nombre de bibliothèques open source. Les plus connus sontTensorFlow (Google),CNTK (Microsoft),Apache MXNet et bien d'autres. Étant donné que tous ces développeurs et d'autres développeurs de logiciels importants font partie du Consortium R, une API pour R est fournie pour toutes ces bibliothèques.

Toutes les bibliothèques ci-dessus sont de très bas niveau. Pour les débutants dans ce domaine, il est difficile de les maîtriser. C'est dans cette optique que l'équipe de Rstudio a développé le paquetkeras pour R.

Keras est une API de réseaux neuronaux de haut niveau, conçue dans le but de pouvoir expérimenter rapidement. La capacité de passer de l'idée au résultat dans les plus brefs délais est la clé d'une bonne recherche. Keras possède les principales caractéristiques suivantes :

  • Vous pouvez ainsi utiliser indifféremment le CPU ou le GPU.

    Une API conviviale qui permet de prototyper facilement des modèles d'apprentissage profond.

  • Prise en charge intégrée des réseaux convolutifs (pour la vision par ordinateur), des réseaux récursifs (pour le traitement des séquences) et de toute combinaison des deux.
  • Prise en charge d'architectures de réseau arbitraires : modèles à entrées ou sorties multiples, partage de couches, partage de modèles, etc. Cela signifie que Keras permet de construire essentiellement n'importe quel modèle d'apprentissage profond, qu'il s'agisse d'un réseau à mémoire ou d'une machine neuronale de Turing.
  • Il est capable de fonctionner au-dessus de plusieurs back-end, notamment TensorFlow, CNTK ou Theano.

Et pour ce qui est de l'intérêt, vous avez peut-être entendu parler des graphiques TensorFlow, des tampons de protocole, de la génération de code pour différentes plateformes et différents langages, c'est-à-dire essentiellement de bas niveau, alors je fais la même chose, seulement pour mon langage NS et MQL.

Non seulement j'en ai entendu parler, mais je l'utilise. Mais avec le langage R pour l'exécution en MT. Nous avons donc une approche et une direction différentes. Mes développements ne vous seront pas utiles.

Vous n'avez probablement pas entendu parler - du générateur Hlaiman EA.

J'en ai entendu parler, je l'ai lu. Ce n'est pas le chemin que je veux prendre.

J'espère que vous comprenez, d'après ce que j'ai écrit ci-dessus, la direction dans laquelle je pourrais être intéressé.

Visualisation de graphiques, topologies NS, sérialisation, formats ProtoBuf, traitement par lots et import/export de tableaux à n dimensions Poids NumPy, etc.

Si vous disposez de telles informations ou d'une expérience dans leur réalisation, je suis prêt à en discuter avec vous.

Je vais le répéter une fois de plus. Nous avons une approche et une direction différentes. Mon expérience ne vous sera pas utile.

Bonne chance
 

Vladimir Perervenko:

Pour les débutants, il s'agit d'un domaine difficile à apprendre.C'est dans cette optique que l'équipe de Rstudio a développé le paquetkeras pour R.

Bonne chance

Je ne comprends pas ce que vous voulez dire à propos de Keras. Hier encore, j'ai lu qu'il s'agissait d'un module complémentaire de haut niveau pour TensorFlow, et j'en ai même vu une instance. Pas de R, juste Python.
 
Maxim Dmitrievsky:

Intéressant, je n'ai vu nulle part une description de ces tandems... Il faudra que j'y regarde de plus près.


En 2007, ils constituaient des comités de 3 à 5 stratégies et la qualité du travail s'est considérablement améliorée. Mais le problème avec le comité est qu'au moins deux des trois devraient être adéquats, alors ils tireront le comité vers un plus grand avantage que séparément. Si le comité a 2 modèles recyclés. Cas de pipe. Au mieux, ils ne perdront pas, ce qui dans ce scénario n'est pas mal du tout !!!!.

 

Yuriy Asaulenko:

Vladimir Perervenko:

Il s'agit d'undomaine difficile à apprendre pour les débutants,c'est pourquoi l'équipe de Rstudio a développé le paquetkeras pour R.

Bonne chance

A propos de Keras, je ne comprends pas. Hier encore, j'ai lu qu'il s'agissait d'une extension de haut niveau de TensorFlow, et j'en ai même vu une instance. Pas de R, juste Python.


L'homme a même donné un lien pour ne pas se perdre, en évitant soigneusement R et même dans de telles conditions géré.

 
Yuriy Asaulenko:
Je ne comprends rien à Keras. Hier encore, j'ai lu qu'il s'agissait d'un complément de haut niveau pour TensorFlow et j'ai même vu un exemple. Pas de R, juste Python.

Qu'y a-t-il à comprendre ? Tout ce qui est en Python est déjà en R. Suivez les liens, jetez un coup d'œil.

Bonne chance

 
SanSanych Fomenko:

L'homme a même donné un lien pour ne pas se perdre, en évitant soigneusement R et même dans ces conditions géré.

Je n'ai pas vu le lien.

Voici le lien vers Keras -https://habrahabr.ru/company/ods/blog/325432/

Je n'exclus pas qu'une interface de Keras soit faite pour R. Mais ce n'est pas R qui a inventé Keras. En d'autres termes, ce n'est pas l'équipe de Rstudio qui a développé le paquetkeras pour R, mais plutôt l'interface avec Keras. Et pour l'utilisateur, il y a deux grandes différences : le paquet ou l'interface.

C'est ce que j'essaie de clarifier.

Библиотеки для глубокого обучения: Keras
Библиотеки для глубокого обучения: Keras
  • habrahabr.ru
Привет, Хабр! Мы уже говорили про Theano и Tensorflow (а также много про что еще), а сегодня сегодня пришло время поговорить про Keras. Изначально Keras вырос как удобная надстройка над Theano. Отсюда и его греческое имя — κέρας, что значит "рог" по-гречески, что, в свою очередь, является отсылкой к Одиссее Гомера. Хотя, с тех пор утекло много...
 
Yuriy Asaulenko:

Je n'ai pas vu le lien.

Voici le lien vers Keras -https://habrahabr.ru/company/ods/blog/325432/


Il s'agit d'un lien vers le Hubr. Le lien avec la bibliothèque est https://keras.rstudio.com/index.html.

Lire des sources primaires.

Bonne chance

R Interface to 'Keras' • keras
R Interface to 'Keras' • keras
  • keras.rstudio.com
Keras is a high-level neural networks API developed with a focus on enabling fast experimentation. Being able to go from idea to result with the least possible delay is key to doing good research. Keras has the following key features: Allows the same code to run on CPU or on GPU, seamlessly. User-friendly API which makes it easy to quickly...
 
google les tous :)
Mihail Marchukajtes:

En 2007, ils constituaient des comités de 3 à 5 stratégies et la qualité du travail s'est considérablement améliorée. Mais le problème avec le comité est qu'au moins deux des trois doivent être adéquats, alors ils tireront le comité vers un plus grand avantage que les individus. Si le comité a 2 modèles recyclés. Cas de pipe. Au mieux, ils ne fusionneront pas, ce qui, à ce stade, n'est même pas une mauvaise chose !!!!.


les ensembles et les comités sont un peu différents du tandem en ce qui me concerne.

Au fait, l'ensemble NS, de MLP, est très bon... mais lent

sur le comité est intéressant mais controversé, le même classificateur ternaire Reshetov

n'a pas joué avec les tandems

Raison: