Gang Wu
Gang Wu
  • Informazioni
8+ anni
esperienza
0
prodotti
0
versioni demo
0
lavori
0
segnali
0
iscritti
codice condiviso dell'autore Andrey Dik
Algoritmi Genetici - È Facile!
Algoritmi Genetici - È Facile!

In questo articolo, l'autore parla di calcoli evolutivi con l'uso di un algoritmo genetico sviluppato personalmente. Dimostra il funzionamento dell'algoritmo, usando esempi e fornisce consigli pratici per il suo utilizzo.

codice condiviso dell'autore Victor
Analisi delle principali caratteristiche delle serie temporali
Analisi delle principali caratteristiche delle serie temporali

Questo articolo introduce una classe progettata per fornire una rapida stima preliminare delle caratteristiche di varie serie temporali. Mentre ciò avviene, vengono stimati i parametri statistici e la funzione di autocorrelazione, viene eseguita una stima spettrale delle serie temporali e viene costruito un istogramma.

codice condiviso dell'autore MetaQuotes
Utilizzo di feature map auto-organizzanti (mappe Kohonen) su MetaTrader 5
Utilizzo di feature map auto-organizzanti (mappe Kohonen) su MetaTrader 5

Uno degli aspetti più interessanti delle feature map auto-organizzanti (mappe Kohonen) è che imparano a classificare i dati senza supervisione. Nella sua forma base, produce una mappa di similarità dei dati di input (clustering). Le mappe SOM (Self-Organizing Map) possono essere utilizzate per la classificazione e la visualizzazione di dati ad alta dimensionalità. In questo articolo considereremo alcune semplici applicazioni delle mappe Kohonen.

codice condiviso dell'autore Гребенев Вячеслав
La strategia Forex Tutto o niente
La strategia Forex Tutto o niente

Lo scopo di questo articolo è quello di creare la strategia di trading più semplice che implementa il principio di gioco "Tutto o niente". Non vogliamo creare un Expert Advisor redditizio: l'obiettivo è aumentare il deposito iniziale più volte con la massima probabilità possibile. È possibile vincere il jackpot su ForEx o perdere tutto senza sapere nulla di analisi tecnica e senza utilizzare alcun indicatore?

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.

123