Reti neurali - pagina 26

[Sergey Golubev]

Cosa leggere e dove imparare sul Machine Learning

Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий

Cosa leggere e dove imparare sul Machine Learning

MetaQuotes Software Corp., 2017.08.25 11:37

Ci sono 10 libri gratuiti relativi al machine Learning (basati sul portalethepixelbeard.com.

1. The Elements Of Statistical Learning: Data Mining, Inference and Prediction

Questo è un ebook di T.Hastie, R. Tibshirani, J.Friedman che permette ai lettori di conoscere i fondamenti concettuali. Ci sono vari argomenti inclusi come il quadro statistico e molto altro.

2. Programmazione logica induttiva

La programmazione logica induttiva è un argomento nel Machine Learning. È usato nel campo della ricerca all'intersezione tra apprendimento automatico e programmazione logica.

3. Reinforcement Learning: Un'introduzione di Richard S. Sutton, Andrew G. Barto

Questo è un ebook scritto da Richard S. Sutton, Andrew G. Barto. Con questo ebook gli utenti possono ottenere una comprensione dell'apprendimento automatico in modo semplice.

4. Teoria dell'informazione, inferenza e algoritmi di apprendimento

Questo è un ebook di David J.C. Mackay in cui l'argomento della teoria dell'informazione è ben spiegato in modo tale da aiutare i lettori a raggiungere una buona conoscenza dei sistemi di comunicazione pratici come la codifica aritmetica per la compressione dei dati, i codici a grafo sparso per la correzione degli errori e altro.

5. Processi gaussiani per l'apprendimento automatico

Questo è un ebook di Carl E. Rasmussen, Chritopher K.I Williams. Con questo ebook si può imparare un approccio di principio, pratico e probabilistico all'apprendimento nelle macchine a kernel in modo abbastanza semplice.

6. Il modo LION

Questo ebook è scritto da Roberto Battiti, Mauro Brunato ed è stato scritto in modo tale da aiutare gli utenti nell'apprendimento automatico e nell'ottimizzazione intelligente (LION).

7. Ragionamento bayesiano e apprendimento automatico

Questo è un ebook scritto da David Barber che si rivolge ai laureandi e agli studenti di master dell'ultimo anno. Gli argomenti includono algebra lineare e calcolo. Questo libro aiuta gli utenti a imparare il ragionamento di base, le tecniche avanzate nel quadro dei modelli grafici e a sviluppare le competenze.

8. Un corso di apprendimento automatico

Questo ebook di Hal Daume III è un libro di corso che include una serie di materiale introduttivo che copre diversi aspetti del moderno apprendimento automatico.

9. Apprendimento automatico, classificazione neurale e statistica

Questo è un ebook di D. Michie, D.J Spiegelhalter che mira a fornire una revisione aggiornata dei diversi approcci alla classificazione.

10. Introduzione all'apprendimento automatico

Questo ebook è scritto da Nilis J Nilsson. Include diversi argomenti nell'apprendimento automatico intorno al 1996 che aiuta le persone a perseguire una via di mezzo tra la teoria e la pratica.

[Sergey Golubev]

Rete neurale

Rete Neurale: thread di discussione/sviluppo

1. Better NN EAthread di sviluppo con indicatori, file pdf e così via.
2. Migliore NN EAthread finale
3. Portare le RETI NEURALI al livello successivo -thread molto interessante
4. Reti Neuralithread(buona discussione pubblica)
5. Come costruire un NN-EA in MT4:thread utile per gli sviluppatori.
6. Radial Basis Network (RBN) - come filtro adatto per il prezzo:il thread

Rete neurale: Indicatori e sviluppo di sistemi

1. Self-trained MA cross:thread di sviluppo per la nuova generazione di indicatori
2. Algoritmo di Levenberg-Marquardt:thread di sviluppo

Rete Neurale: EAs

1. CyberiaTrader EA:thread di discussione ethread degli EA.
2. Thread degli esperti di autoapprendimento con i file degli EAsqui.
3. Threads sugli EAs di intelligenza artificiale: come "insegnare" e usare l'AI ("neurone") EAthread e thread sull'intelligenza artificiale
4. Forex_NN_Expert EA efilo di indicatori.
5. SpiNNaker - Unthread EA a rete neurale.

Rete Neurale: I Libri

1. Cosa leggere e dove imparare sul Machine Learning(10 libri gratuiti) - il post.

L'articolo

• Reti ne urali rese facili - MT5
  
• Reti neurali rese facili (parte 2): Formazione e test della rete - MT5
  
• L'apprendimento automatico nei sistemi di trading Grid e Martingale. Ci scommetteresti? - MT5
  
• Reti neurali semplificate (Parte 3): Reti convoluzionali - MT5
  
• Reti neurali semplificate (Parte 4): Reti ricorrenti - MT5
• Reti neurali semplificate (Parte 5): Calcoli multithreaded in OpenCL - MT5
• Reti neurali facili (Parte 6): Sperimentare con il tasso di apprendimento delle reti neurali - MT5
• Reti neurali semplificate (Parte 7): Metodi di ottimizzazione adattivi - MT5
• Reti neurali facili (Parte 8): Meccanismi di attenzione - MT5
• Reti neurali semplificate (Parte 9): Documentare il lavoro - MT5
  
• Reti neurali semplificate (Parte 10): Attenzione a più teste - MT5
  
• Reti neurali semplificate (Parte 11): Un approccio al GPT - MT5
  
• Reti neurali semplificate (Parte 12): Dropout - MT5
  
• Reti neurali semplificate (Parte 13): Normalizzazione dei lotti - MT5
  
• Sviluppare un algoritmo auto-adattivo (Parte I): Trovare un modello di base- MT5
  
• Sviluppare un algoritmo auto-adattivo (Parte II): Migliorare l'efficienza- MT5
  
• Algoritmo di auto-adattamento (Parte III): Abbandonare l'ottimizzazione - MT5
  
• Rete neurale profonda con Stacked RBM. Autoformazione, autocontrollo- MT4
• Applicazione pratica delle reti neurali nel trading - MT5
  
• Applicazione pratica delle reti neurali nel trading. Python (Parte I) - MT5
  
• Applicazione pratica delle reti neurali nel trading (Parte 2). Visione artificiale - MT5
  
• Collegare i neuroni di NeuroSolutions- MT5
• Utilizzo delle reti neurali in MetaTrader- MT4
• Previsione dei prezzi utilizzando le reti neurali- MT4
• Ricette per Neuronetti- MT4
• Reti neurali di terza generazione: Reti profonde- MT5
• Reti neurali economiche e allegre - Collegare NeuroPro con MetaTrader 5- MT5
• Creazione di EA a rete neurale utilizzando MQL5 Wizard e Hlaiman EA Generator- MT5
• Rete neurale: Consulente esperto auto-ottimizzante- MT5
• Reti neurali: Dalla teoria alla pratica- MT5
• Utilizzo degli indicatori MetaTrader 5 con la struttura di apprendimento automatico ENCOG per la previsione delle serie temporali- MT5
• Usare le mappe caratteristiche auto-organizzanti (mappe di Kohonen) in MetaTrader 5- MT5
• Reti Neurali Profonde (Parte I). Preparazione dei dati- MT5

• Reti Neurali Profonde (Parte II). Elaborazione e selezione dei predittori- MT5

CodeBase

• Predittore del prezzo successivo utilizzando la rete neurale- indicatore per MetaTrader 4
• Easy Neural Network - libreria per MetaTrader 5
  
• ALGLIB - Libreria di analisi numerica- libreria per MetaTrader 4
• Rete neurale MTS più MACD- esperto per MetaTrader 4
• ArtificialIntelligence_Right- esperto per MetaTrader 4
• NeuroNirvamanEA- esperto per MetaTrader 4
• Crea facilmente il tuo predittore di rete neurale (esempio: predittori MA e RSI)- indicatore per MetaTrader 4
• Sistema di trading automatico "Сombo"- esperto per MetaTrader 4
• Rete neurale MTC più MACD- esperto per MetaTrader 5
• Calcolo della larghezza delle bande di Bollinger con la rete neurale- esperto per MetaTrader 5
• Classe rete neurale PNN- libreria per MetaTrader 5
• Classe di rete neuraleGRNN- libreria per MetaTrader 5
• Classe rete neuraleRBF- libreria per MetaTrader 5
• Classerete neurale MLP- biblioteca per MetaTrader 5
• Intelligenza artificiale- esperto per MetaTrader 5

[Sergey Golubev]

Nuovo articolo -

Reti neurali profonde (parte III). Selezione del campione e riduzione della dimensionalità

Contenuto

• Introduzione
• 1
• .
• Selezione del campione
  
• 2. Riduzione della dimensionalità
• 
  
• 2.1. Analisi delle componenti principali (PCA)
• 2.2. Analisi delle componenti indipendenti (ICA)
• 2.3. 2.4. Analisi probabilistica delle componenti principali (PPCA)
• 2.4. Autoencoder (PCA non lineare)
  
• 2.5. PCA non lineare inversa (NLPCA)
• 3. Dividere il set di dati in set di allenamento/validità/testConclusioneApplicazione

[Sergey Golubev]

Articolo successivo -

Reti neurali profonde (parte IV). Creare, addestrare e testare un modello di rete neurale

Contenuto

• Introduzione
• 1. Breve descrizione delle capacità del pacchetto
• 1.1. Funzioni di inizializzazione dei neuroni
• 1.2. Funzioni di attivazione dei neuroni
• 1.3. Metodi di addestramento
• 1.4. Metodi di regolazione e stabilizzazione
• 1.5. Metodi e parametri di formazione di un RBM
• 1.6. Metodi e parametri dell'addestramento di una DNN
• 2. Testare la qualità del lavoro di una DNN in funzione dei parametri utilizzati
• 2.1. Esperimenti
• 2.1.1. Dati di ingresso (preparazione)
• 2.1.2. Modello base di confronto
• 2.1.3. Struttura di una DNN
• 2.1.4. Varianti di addestramento
• Con preformazione
• Senza preformazione
• 2.2. Analisi dei risultati
• Conclusione
• Applicazione

[Sergey Golubev]

Portare le RETI NEURALI al livello successivo - thread molto interessante:

This thread won't be about a question or problem, but rather about the anouncement of the presentation and documentation of an exciting trading concept. I plan to do a series of postings here in order to keep you guys updated.

Chiunque abbia un'opinione sull'argomento, non esiti a commentare, anche se non ha una profonda conoscenza dell'apprendimento automatico (anche io sto ancora imparando - il che non finisce mai).

[Chris70]

Sergey Golubev:

Taking NEURAL NETWORKS to the NEXT LEVEL - thread molto interessante:

grazie, Sergey; sono l'iniziatore di quel thread; non ero a conoscenza di quei due articoli (sopra) che hai linkato in Oct2017. Gli argomenti sono estremamente vicini l'uno all'altro, quindi mi rendo conto che sono stato un po' ridondante. Continuerò comunque la serie, perché penso che l'aspetto LSTM+autoencoder possa essere ancora interessante.

[Sergey Golubev]

Forum sul trading, sistemi di trading automatico e test di strategie di trading

Come iniziare con Metatrader 5

Sergey Golubev, 2020.03.12 06:42

Reti neurali rese facili - MT5

Tabella dei contenuti

• Introduzione
• 1. Principi di costruzione delle reti AI
• 2. La struttura di un neurone artificiale
• 3. Addestramento della rete
• 4. Costruire la nostra rete neurale usando MQL
• 4.1. Connessioni
• 4.2. Un neurone
• 4.3. Rete neurale
• Conclusione
• Riferimenti
• Programmi usati nell'articolo

L'intelligenza artificiale sta coprendo sempre di più vari aspetti della nostra vita. Appaiono molte nuove pubblicazioni che affermano che "la rete neurale è stata addestrata a...". Tuttavia, l'intelligenza artificiale è ancora associata a qualcosa di fantastico. L'idea sembra essere molto complicata, soprannaturale e inspiegabile. Pertanto, un tale miracolo allo stato dell'arte può essere creato solo da un gruppo di scienziati. Sembra che un programma simile non possa essere sviluppato usando il nostro PC di casa. Ma credetemi, non è così difficile. Cerchiamo di capire cosa sono le reti neurali e come possono essere applicate nel trading.

[Sergey Golubev]

Easy Neural Network - libreria per MetaTrader 5

Lo script di prova fornito ha incluso commenti che sono facili da seguire.

È possibile salvare la configurazione della rete restituita in un file e poi caricarla in diverse sessioni.

Questa libreria ha fatto poco uso di OOP, e dovrebbe quindi essere facile da seguire anche per i nuovi programmatori.

[Sergey Golubev]

Applicazione pratica delle reti neurali nel trading - l'articolo per MT5

----------------

Questo articolo considera l'applicazione delle reti neurali nella creazione di robot di trading. Questo è il senso stretto del problema. In senso più ampio, cercheremo di rispondere ad alcune domande e di affrontare diversi problemi:

1. È possibile creare un sistema redditizio utilizzando l'apprendimento automatico?
2. Cosa può darci una rete neurale?
3. La logica dell'addestramento delle reti neurali per il processo decisionale.
4. Rete neurale: è difficile o semplice?
5. Come integrare una rete neurale in un terminale di trading?
6. Come testare una rete neurale? Fasi di test.
7. Sui campioni di allenamento.

[Sergey Golubev]

Questo è il 3° articolo:

Reti neurali rese facili (parte 3): Reti convoluzionali- MT5

Contenuto

• Introduzione
• 1. Caratteristiche distintive delle reti neurali convoluzionali
• 1.1. Strato convoluzionale
• 1.2. Strati di sottocampionamento
• 2. Principi di addestramento dei neuroni negli strati convoluzionali
• 3. Costruire una rete neurale convoluzionale
• 3.1. Classe base di neuroni
• 3.1.1. Feed-forward
• 3.1.2. Calcolo del gradiente di errore
• 3.2. Elemento del livello di sottocampionamento
• 3.2.1. Feed-forward
• 3.2.2. Calcolo del gradiente di errore
• 3.3. Elemento di strato convoluzionale
• 3.4. Creazione di una classe di rete neurale convoluzionale
• 3.4.1. Costruttore della classe rete neurale convoluzionale
• 3.4.2. Metodo di propagazione in avanti della rete neurale convoluzionale
• 3.4.3. Metodo di propagazione all'indietro della rete neurale convoluzionale
• 4. Test
• 5. Conclusione
• Elenco dei riferimenti
• Programmi utilizzati nell'articolo

----------------

I due articoli precedenti relativi a questo argomento:

• Reti ne urali rese facili - MT5
  
• Reti neurali rese facili (parte 2): Formazione e test della rete - MT5