記事についてのディスカッション
多くの仕事がなされた。多くの時間を費やしたのは確かだ。この連載の目的は何だろう？
MKL5でのプログラミングの練習であれば、それは明らかだ。誰もがこの獣が何であるかを試すことができる。残念なことに、多くの人はあなたの実装の結果の低さに失望し、この分野でのさらなる探求をあきらめてしまうかもしれない。
現実的には、2時間（！）以上のトレーニング時間は容認できません。 この目的のために、さまざまな大組織によって、さまざまな言語で多くのプログラムが開発されています。ただそれを正しく適用するだけだ。
幸運を祈る。
多くの仕事がなされた。多くの時間を費やしたのは確かだ。この連載の目的は？
MKL5でのプログラミングの練習であれば、それは明らかだ。誰もがこの獣が何であるかを試すことができる。残念ながら、多くの人はあなたの実装の結果の低さに失望し、この分野でのさらなる検索をあきらめるかもしれない。
現実的には、2時間（！）以上のトレーニング時間は容認できません。 この目的のために、様々な大組織によって様々な言語で多くのプログラムが開発されています。それを正しく適用するだけでよい。
幸運を祈る。
こんにちは、ウラジミール。
記事の目的は、可能性を示すことと、誰もが独自のプログラムを構築できるツールを提供することです。
ビデオカードのマルチスレッドを使用せずに 1つのエポックを 2時間以上訓練する ことは、かなり許容できる結果である。実際には、ニューラルネットワークは 準備されたデータで訓練され、私たちは1つの現在の状態を数秒間処理することで実データに取り組みます。
しかし、この記事は、すべての人に一定の収益性を持つ既製のExpert Advisorを提供することを意図したものではありません。そのためには、ツールそのものに加えて、ニューラルネットワーク・アーキテクチャに関する長い研究が必要であり、さまざまなニューラルネットワーク・アーキテクチャを使った多くの実験が伴います。
2時間ではなく2日間です)。
サンプルサイズはいくつですか？
2時間じゃない、2日だ)
サンプルサイズはいくつですか？
サンプルはローソク足12453本（H1、2年間）です。ネットワーク入力には、20本のローソク足が入力され、1本のローソク足につき12個のサインが入力されます。1エポックの学習時間は2-2.5時間 です。
ディミトリーさん、こんにちは！
ニューラルネットワークに関する一連の記事をありがとうございます！私もMQL5言語でバックプロパゲーションやさまざまな最適化技術（Adam、RMSpropなど）を使ったニューラルネットワークを実装しているので、これらの記事を読むのは本当に楽しいです（google翻訳で英語に）。正直なところ、MQL5言語はおもちゃ以外の問題をトレーニングするには遅すぎるのですが、それでもこのような実装は貴重です。ニューラルネットワークの実装は教育的な側面があるにもかかわらず、私たちはネットワークを訓練するためにMQL5プログラミング言語に限定されないことに気づきました。高性能パッケージを使用してネットワークを訓練し、その重み（およびその他のハイパーパラメーター）をMQL5プログラムに転送してテストし、ライブで取引することができます。これからも良い作品を発表し続けてください！:)
よろしくお願いします。
ディミトリーさん、こんにちは！
ニューラルネットワークに関する一連の記事をありがとうございます！私もMQL5言語でバックプロパゲーションやさまざまな最適化技術（Adam、RMSpropなど）を使ったニューラルネットワークを実装しているので、これらの記事を読むのは本当に楽しいです（google翻訳で英語に）。正直なところ、MQL5言語はおもちゃ以外の問題をトレーニングするには遅すぎるのですが、それでもこのような実装は貴重です。ニューラルネットワークの実装は教育的な側面があるにもかかわらず、私たちはネットワークを訓練するためにMQL5プログラミング言語に限定されないことに気づきました。高性能パッケージを使用してネットワークを訓練し、その重み（およびその他のハイパーパラメーター）をMQL5プログラムに転送してテストし、ライブで取引することができます。これからも良い作品を発表し続けてください！:)
よろしくお願いします。
ありがとう。
この記事は確かに興味深い。特に、すべてがMQLで実装され、ライブラリーが必要ないという点で。続編が出ることを期待している。残念ながら、Expert Advisorのテストではまだ良い結果が得られていない。
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
新しい記事「ニューラルネットワークが簡単にできるように（その３）。コンボリューションネットワーク」はパブリッシュされました:
ニューラルネットワークの話題の続きとして、畳み込み型ニューラルネットワークの考察を提案します。 この種のニューラルネットワークは、通常、視覚的なイメージの分析に適用されます。 本稿では、これらのネットワークの金融市場への応用について考察します。
テストは、H1タイムフレームのEURUSDペアを使用して行われました。 畳み込み型ニューラルネットワークと完全に接続されたネットワークを用いた2つのエキスパートアドバイザーが、同じ端末で、同じシンボルの異なるチャート上に同時に立ち上がりました。 畳み込みニューラルネットワークの完全に接続された層のパラメータは、第２のエキスパートアドバイザーの完全に接続されたネットワークのパラメータと一致します。 つまり、 以前に作成したネットワークに、単純に畳み込み層とサブサンプル化層を追加しただけです。
テストでは、畳み込みニューラルネットワークの性能がわずかに向上することが示されました。 2層を追加したにもかかわらず、畳み込みニューラルネットワークの1エポック（24エポックの結果に基づく）の平均学習時間は2時間4分、完全に接続されたネットワークの平均学習時間は2時間10分でした。
作者: Dmitriy Gizlyk