"New Neural" è un progetto di motore di rete neurale Open Source per la piattaforma MetaTrader 5. - pagina 2
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Che ne dite di coinvolgere come esperti gli sviluppatori di sistemi neurali che già lavorano nel campo del trading?
Invitali da altri siti web.
Che ne dite di coinvolgere come esperti gli sviluppatori di sistemi neurali che già lavorano nel campo del trading?
Chiamateli da altri siti web.
Stai parlando di influencer pagati o
Si tratta solo di informare un pubblico più ampio nella speranza di generare interesse?
Stai parlando di influencer pagati o
semplicemente di informare un pubblico più ampio nella speranza di generare interesse?
Per noi, il compito di sviluppare il motore è già passato alla fase di implementazione. Oggi abbiamo avuto una discussione interna sull'idea e siamo passati a preparare l'infrastruttura.
Ora abbiamo bisogno di esperti che ci aiutino con le parole e con i fatti.
Per noi, il compito di sviluppare il motore è già passato alla fase di implementazione. Oggi abbiamo avuto una discussione interna sull'idea e siamo passati a preparare l'infrastruttura.
Ora abbiamo bisogno di esperti che ci aiutino con le parole e con i fatti.
Allora dovete pubblicare quello che avete.
Ci sarà qualcosa da discutere.
Ma se non c'è nessuna reazione, allora possiamo grattarci la testa.
Ma se non ottieni una reazione, puoi anche grattarti la testa.
Ahem (modestamente) sulla reazione -- ci sono già 3 neuronics libs.
Uno ha più di 10 reti. Ho lavorato con reti Kohonen, MLP, ricircolo, Hopfield ... ,
il secondo è l'implementazione del caso generale di MLP + rete Jordana-Elman -- cioè qualsiasi topologia (grafo diretto) con possibilità di loopback di qualsiasi strato,
la terza è un'implementazione di Echo-Network, la mia preferita :) .
È stato molto tempo fa in realtà (tranne la rete dell'eco), ma si può ricordare. Non ha funzionato con i modelli probabilistici. Non ha familiarità con i recenti miglioramenti del metodo di discesa del gradiente e dei metodi ibridi.
Ahem (modestamente) sulla risposta -- ci sono già 3 libs per i neuroni.
È stato molto tempo fa in realtà (a parte la rete echo), ma si può ricordare. Non ho lavorato con modelli probabilistici. Non ha familiarità con i recenti miglioramenti del metodo della discesa del gradiente e dei metodi ibridi.OK. Si possono fornire tutti i tipi di topologie di rete come panoramica? Cioè, più sono meglio è, ma espresse in termini di struttura o di diagrammi?
In modo da poter definire i modelli da implementare e quindi iniziare a progettare classi base astratte generali.
L'obiettivo, a proposito, non è solo quello di fare un certo insieme di reti come risultato, ma di permettere alle classi di estenderle ad altre particolari topologie di rete.
Prima di iniziare qualcosa, preparate una teoria e una pratica accessibile e comprensibile per la gente, e poi iniziate a costruire qualcosa.
E dite ai futuri creatori qual è il vantaggio di un NS scritto solo in MQL5 e qual è lo svantaggio. Non credo che qualcuno voglia preoccuparsi di creare un pacchetto che funzioni come emulazione in MT5, sapendo che i programmi scritti in linguaggi emulati sono più lenti a funzionare che in linguaggi di livello superiore.
Il mio consiglio: se tutti hanno ancora voglia di scrivere, create un modello matematico in DLL e preparate i dati in MQL5. Implementare ogni tipo di NS in una DLL separata. Per esempio la rete neurale Kohonen sarà in module_kohhonen.dll, e la rete Hopfield module_hopfield.dll. Usate le lingue come previsto e non reinventate la ruota.
Ed è prevista un'interfaccia grafica. Per la chiarezza, la capacità di sentire la struttura della rete, ecc.
OK. È possibile fornire una panoramica di tutti i tipi di topologie di rete?
OK, sono interessato a 4 delle reti implementate
1. Reti di Kohonen, compresa la SOM. Buono da usare per il partizionamento dei cluster dove non è chiaro cosa cercare. Penso che la topologia sia ben nota: vettore come ingresso, vettore come uscita o comunque uscite raggruppate. L'apprendimento può avvenire con o senza un insegnante.
2. MLP, nella sua forma più generale, cioè con un insieme arbitrario di strati organizzati come un grafo con feedback. Usato molto ampiamente.
3. Rete di ricircolo. Onestamente, non ho mai visto una normale implementazione non lineare funzionante. Utilizzato per la compressione dei dati e l'estrazione dei componenti principali (PCA). Nella sua forma lineare più semplice, è rappresentata come una rete lineare a due strati in cui il segnale può essere propagato da entrambi i lati (o tre strati nella sua forma estesa).
Rete 4.Echo. Simile in principio a MLP, applicato anche lì. Ma totalmente diverso nell'organizzazione e ha un tempo di apprendimento ben definito (beh, e produce sempre un minimo globale, al contrario).
5. PNN - Non l'ho usato, non lo so. Ma penso che ci sia qualcuno là fuori che può farlo.
6. Modelli per la logica fuzzy (da non confondere con le reti probabilistiche). Non implementato. Ma può essere utile. Se qualcuno trova informazioni lanciare plz. Quasi tutti i modelli hanno la paternità giapponese. Quasi tutti sono costruiti manualmente, ma se fosse possibile automatizzare la costruzione della topologia tramite espressione logica(se ricordo bene), sarebbe davvero bello.
_______________
Suggerisci altri modelli.
Tutte le reti sono rappresentabili come ingresso - scatola nera - uscita
Interfacciare completamente tutte le reti probabilmente non funzionerà, anche se dovreste provare.