Tu Lin Jiang
Tu Lin Jiang
  • Informazioni
2 anni
esperienza
0
prodotti
0
versioni demo
0
lavori
0
segnali
0
iscritti
codice condiviso dell'autore MetaQuotes
Implementare i modelli ONNX in classi
Implementare i modelli ONNX in classi

La programmazione orientata agli oggetti consente di creare un codice più compatto che sia facile da leggere e da modificare. Qui di seguito vedremo l'esempio di tre modelli ONNX.

codice condiviso dell'autore MetaQuotes
Come installare e utilizzare OpenCL per i calcoli
Come installare e utilizzare OpenCL per i calcoli

È passato più di un anno da quando MQL5 ha iniziato a fornire supporto nativo per OpenCL. Tuttavia, non molti utenti hanno capito il vero valore nell'utilizzo del calcolo parallelo nei loro Expert Advisor, indicatori o script. Questo articolo ti aiuta a installare e configurare OpenCL sul tuo computer in modo che tu possa provare a utilizzare questa tecnologia nel terminale di trading MetaTrader 5.

codice condiviso dell'autore Ivan Negreshniy
Creazione di EA di reti neurali utilizzando MQL5 Wizard e Hlaiman EA Generator
Creazione di EA di reti neurali utilizzando MQL5 Wizard e Hlaiman EA Generator

L'articolo descrive un metodo di creazione automatizzata di EA di reti neurali utilizzando MQL5 Wizard e Hlaiman EA Generator. Ti mostra come puoi facilmente iniziare a lavorare con le reti neurali, senza dover imparare l'intero corpo di informazioni teoriche e ti mostra come scrivere il tuo codice.

kencheli
[Eliminato] 2022.11.17
[Eliminato]
codice condiviso dell'autore Dmitriy Parfenovich
Reti neurali: dalla teoria alla pratica
Reti neurali: dalla teoria alla pratica

Al giorno d'oggi, ogni trader deve aver sentito parlare delle reti neurali e sa quanto sia bello usarle. La maggioranza crede che coloro che possono occuparsi delle reti neurali siano una sorta di super umani. In questo articolo cercherò di spiegarti l'architettura della rete neurale, descriverne le applicazioni e mostrare esempi di utilizzo pratico.

codice Scriptor condiviso dell'autore
 MTF_MA
The Multi-timeframe Moving Average indicator
codice condiviso dell'autore Vladimir Perervenko
Reti neurali di terza generazione: Reti profonde
Reti neurali di terza generazione: Reti profonde

Questo articolo è dedicato a una nuova direzione nell'apprendimento automatico: deep learning o, per essere precisi, reti neurali profonde. Questa è una breve rassegna delle reti neurali di seconda generazione, l'architettura delle loro connessioni e dei principali tipi, metodi e regole di apprendimento e i loro principali svantaggi. Segue la storia dello sviluppo della rete neurale di terza generazione, i loro principali tipi, peculiarità e metodi di allenamento. Sono condotti esperimenti pratici sulla costruzione e l'addestramento di una rete neurale profonda avviata dai pesi di un autoencoder impilato con dati reali. Tutte le fasi, dalla selezione dei dati di input alla derivazione metrica sono discusse in dettaglio. L'ultima parte dell'articolo contiene un'implementazione software di una rete neurale profonda in un Expert Advisor con un indicatore integrato basato su MQL4 / R.

Tu Lin Jiang
Registrato sulla MQL5.community