記事「取引におけるニューラルネットワーク：価格変動予測におけるマスクアテンションフリーアプローチ」についてのディスカッション
こんにちは、ドミトリー、
あなたのzipファイルは間違って作られているようです。 私はあなたのボックスにリストされたソースコードを見ることを期待したのですが、代わりにこれがzipに含まれていたものです。 リストされた各ディレクトリには、あなたの様々な記事で使用されたファイルが含まれているようです。 それぞれの説明を提供するか、より良い方法は、適切なように各ディレクトリに記事番号を追加することです。
ありがとうございました。
ケープコッダ
こんにちは、ドミトリー、
あなたのzipファイルは間違って作られているようです。 私はあなたのボックスにリストされたソースコードを見ることを期待したのですが、代わりにこれがzipに含まれていたものです。 リストされた各ディレクトリには、あなたの様々な記事で使用されたファイルが含まれているようです。 それぞれの説明を提供するか、より良い方法は、適切なように各ディレクトリに記事番号を追加することです。
ありがとうございました。
ケープコッダ
こんにちは、CapeCoddah、
zipファイルには全シリーズのファイルが入っています。OpenCLプログラムは "MQL5Experts\NeuroNet_DNG "に保存されています。全てのクラスが保存されたライブラリは、"MQL5Expertsそして、この記事を参照したモデルとエキスパートは、"MQL5Experts "ディレクトリにあります。
Regards,
Dmitriy.
こんにちは、CapeCoddah、
zipファイルには全シリーズのファイルが入っています。OpenCLプログラムは "MQL5Experts\NeuroNet_DNG.cl "に保存されています。全てのクラスが保存されたライブラリは、"MQL5Expertsそして、この記事で参照したモデルとエキスパートは、"MQL5Experts_MAFT "ディレクトリにあります。
Regards,
Dmitriy.
こんにちは、Dmitriy、
あなたの言っていることは理解できますが、誤解していると思います。 どのようにサブディレクトリ名を対応する記事と関連づければよいですか?
ありがとうございました。
ケープコッダ
- 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「取引におけるニューラルネットワーク：価格変動予測におけるマスクアテンションフリーアプローチ」はパブリッシュされました:
SPFormerアルゴリズムは、オブジェクトクエリによってインスタンス予測を直接生成する、完全なエンドツーエンドのパイプラインを表しています。Transformerデコーダを使用することで、一定数のオブジェクトクエリが解析された点群から大域的なオブジェクト情報を集約します。さらに、SPFormerはオブジェクトマスクを活用してクロスアテンションをガイドし、クエリがマスクされた特徴のみに注意を向けるようにします。しかし、学習の初期段階では、これらのマスクの品質が低く、それが後続層での性能を妨げ、全体的な学習の複雑さを増加させます。。
この問題に対処するために、MAFT法の著者らは、インスタンスセグメンテーションをガイドする補助的な中心回帰タスクを導入しています。まず、生の点群から大域的な位置𝒫が選択され、バックボーンネットワークを介して大域的なオブジェクト特徴ℱが抽出されます。これらはボクセルやスーパーポイントで構成される場合があります。コンテンツクエリ𝒬0cに加えて、MAFTの著者らは、正規化されたオブジェクト中心を表す固定数の位置クエリ𝒬0pを導入しています。𝒬0pはランダムに初期化され、𝒬0cはゼロ値から開始されます。主な目的は、位置クエリがクロスアテンション内で対応するコンテキストクエリをガイドできるようにし、その後、両方のクエリセットを反復的に洗練することで、オブジェクトの中心、クラス、およびマスクを予測することです。
作者: Dmitriy Gizlyk