記事「ニューラルネットワークが簡単に（第93回）：周波数領域と時間領域における適応予測（最終回）」についてのディスカッション
ドミトリー、こんにちは！
どのように1年間の履歴のための例のデータベースを訓練し、補充するのですか？Expert Advisorsのbdファイルに最新の記事（1年間の履歴を使用）から新しい例を補充することに問題があります。このファイルが2GBのサイズに達すると、明らかに歪んで保存され始め、モデルトレーニングのExpert Advisorがそれを読むことができず、エラーになります。あるいは、ファイルbdのサイズが急激に減少し始め、新しい例が追加されるたびに数メガバイトになり、トレーニングアドバイザーはやはりエラーを出します。この問題は、1年間履歴を取ると150軌跡まで、7ヶ月履歴を取ると約250軌跡まで発生する。bdファイルのサイズは 急速に大きくなる。例えば、18個の軌道は500MB近くある。30個の軌跡は700MBになる。
その結果、トレーニングするためには、7ヶ月間の230の軌跡を含むこのファイルを削除し、事前にトレーニングされたExpert Advisorで新たに作成する必要がある。しかし、このモードでは、データベースの補充時に軌道を更新するメカニズムが機能しません。これはMT5の1スレッドのRAMが4GBに制限されているためだと推測されます。ヘルプのどこかに書いてありました。
興味深いのは、以前の記事（履歴が7ヶ月分あり、500トラジェクトリーのベースが約1GBの重さ）では、このような問題は存在しなかったということです。RAMは32GB以上あり、ビデオカードのメモリも十分なので、PCのリソースに制限はありません。
ドミトリー、この点を考慮してどのように教えているのですか、それともMT5を事前にセットアップしているのでしょうか？
私は記事のファイルをそのまま使っています。
その結果、トレーニングするためには、7ヶ月間の230の軌跡を含むこのファイルを削除し、事前にトレーニングされたExpert Advisorで新たに作成する必要がある。しかし、このモードでは、データベースを補充する際に軌道を更新するメカニズムが機能しません。これはMT5の1スレッドのRAMが4GBに制限されているためだと推測されます。ヘルプのどこかに書いてありました。
興味深いのは、以前の記事（履歴が7ヶ月分あり、500トラジェクトリーのベースが約1GBの重さ）では、このような問題は存在しなかったということです。RAMは32GB以上あり、ビデオカードにも十分なメモリがあるので、PCのリソースに制限はありません。
ドミトリー、このことを念頭に置いてどのように教えていますか、それともMT5を事前に設定していますか？
私は記事のファイルをそのまま使っています。
Victor,
どう答えたらいいかわからない。私はもっと大きなファイルを使っています。
こんにちは、この記事を読んで興味深いです。
https://www.mdpi.com/2076-3417/14/9/3797#。
ビットコインの 画像分類において、94％の確率でアーカイブされたとしていますが、本当に可能なのでしょうか？
- www.mdpi.com
- 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（第93回）：周波数領域と時間領域における適応予測（最終回）」はパブリッシュされました:
本稿では、時系列予測において2つのブロック（周波数と時間）の結果を適応的に組み合わせるATFNetモデルのアプローチの実装を継続します。
前回の記事では、2つの時系列予測モデルのアンサンブルであるATFNetアルゴリズムについて学びました。そのうちの1つは時間領域で動作し、信号振幅の分析に基づいて対象の時系列の予測値を構築します。2つ目は、対象の時系列の周波数特性を使用して動作し、その全体的な依存関係、周期性、およびスペクトルを記録します。この手法の提案者は、2つの独立した予測を適応的に統合することで、非常に優れた結果が得られると主張しています。
周波数Fブロックの主な特徴は、複素数の数学を使用してアルゴリズム全体を構築している点です。この要件を満たすために、前回の記事ではCNeuronComplexMLMHAttentionクラスを構築しました。このクラスは、マルチヘッド自己注意(Self-Attention)の要素を備えたTransformer型の多層エンコーダアルゴリズムを完全に再現しています。この統合注意クラスは、Fブロックの基礎となるものです。この記事では、ATFNet法の提案者が示したアプローチを引き続き実装します。
作者: Dmitriy Gizlyk