第一番目の方法 ニューラルネットワークのトレーニングはRstudio
でマニュアルで行われます。受け入れ可能な結果を取得したら、ネットワークを適切なカタログに保存します。それからチャート上で EA
とインディケータを起動します。EA はトレーニング済みネットワークをロードします。インディケータは新規バーすべてに新規入力データを準備し、それを
EA に渡します。EA はネットワークデータを提示し、シグナルを受信するとそれを処理します。EA
はそれについてオーダーのオープン、クローズ、トレーリングなどのような通常の処理を行います。インディケータの目的は新規バーすべての新規入力データを
準備し EA
に渡すことで、もっとも重要なのはチャート上でネットワークによるシグナル予測を表示することです実践により、ニューラルネットを評価するにはワークビ
ジュアル制御がもっとも効率的な方法であることが示されています。
第二の方法 チャート上で EA とインディケータを起動します。初期起動時にはインディケータは、 EA
に準備済みの大きな入力および出力データセットを渡します。EA
はトレーニング、検証、最良のニューラルネットワーク選択を始めます。その後、第一の方法と同じように処理が進みます。
最初のアルゴリズムに従い、リンクインディケータ-EA を書きます。最小のボウとフリルを持つEA。
それはなぜそんなに難しいのでしょうか?この実装方法により、異なるシンボル/タイムフレームに位置する複数のインディケータを1件の EA に接続し、結果、共に動作することができます。そのために EA にはわずかな変更が必要です。それについては後にお話しします。
新しい記事 第三世代ニューラルネットワーク:深層ネットワーク はパブリッシュされました:
本稿ではマシン学習の新しい視点方向-深層学習、より正確には深いニューラルネットワークについてお話します。第二世代のニューラルネットワークについて、その連携のアーキテクチャと主なタイプ、メソッド、学習ルール、主な欠点とそれに続き第三世代の開発とその主要タイプ、特殊性、トレーニング方法について簡単に再検討しています。実データについて集積されたオートエンコーダのウェイトによって開始される深いニューラルネットワークの構築とトレーニングにおける実践的実験を行います。入力データを選択するところから行列偏差までの全段階について詳細にお話します。本稿最終部分は MQL4/R を基にした内蔵インディケータを持つ Expert Advisor での深いニューラルネットワークのソフトウェア実装です。
本稿では「深層学習」、「深層ネットワーク」といったテーマの主要な考え方について、平たく言えば複雑な計算なしで考察していこうと思います。
実データでの一件は行列定義と比較(行列定義と比較にすいては明確ではありません)により深層ニューラルネットワークの浅いネットワークにまさる理 論的メリットの裏付けをします(またはしません)。取り掛かるタスクは分類です。深層ニューラルネットワークモデルを基にクライアント/さーばーのスキー ムと共に動作するインディケータと Expert Advisor を作成しそれらの検証を行います。
読者の方はニューラルネットワークで使用される基本コンセプトの正しい考えを持たれていると思います。
4. 実装(インディケータおよび Expert Advisor)
トレードシグナルを受信するための深層ネットワークを用いたインディケータおよび Expert Advisor のプログラムを書いていきます。
その実装方法は2とおりあります。
最初のアルゴリズムに従い、リンクインディケータ-EA を書きます。最小のボウとフリルを持つEA。
それはなぜそんなに難しいのでしょうか?この実装方法により、異なるシンボル/タイムフレームに位置する複数のインディケータを1件の EA に接続し、結果、共に動作することができます。そのために EA にはわずかな変更が必要です。それについては後にお話しします。
以下はインディケータと EA の連携ストラクチャです。
図31 インディケータと EA の連携ストラクチャ作者: Vladimir Perervenko