Discussão do artigo "Técnicas do MQL5 Wizard que você deve conhecer (Parte 22): GANs Condicionais"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Técnicas do MQL5 Wizard que você deve conhecer (Parte 22): GANs Condicionais foi publicado:
Redes Generativas Adversariais são uma combinação de Redes Neurais que treinam entre si para obter resultados mais precisos. Adotamos o tipo condicional dessas redes ao buscarmos uma possível aplicação na previsão de séries temporais financeiras dentro de uma Classe de Sinais de Expert.
Redes Gerativas Adversariais Condicionais (cGAN) são um tipo de GAN que permite a personalização do tipo de dado de entrada em sua rede gerativa. Como pode ser visto no link compartilhado e ao ler sobre o assunto, as GANs são um par de redes neurais: uma geradora e uma discriminadora. Ambas são treinadas ou treinam entre si, com a geradora melhorando na geração de uma saída-alvo, enquanto a discriminadora é treinada para identificar dados (ou seja, os dados falsos) da geradora.
A aplicação disso é tipicamente em análise de imagens, onde uma rede geradora é usada para criar imagens, e a rede discriminadora identifica se a imagem fornecida como entrada foi criada pela rede geradora ou se é real. O treinamento entre elas ocorre alimentando a discriminadora com imagens da geradora alternadas com imagens reais e, como em qualquer rede, a retropropagação ajusta adequadamente os pesos da discriminadora. Por outro lado, a geradora, em configurações não condicionais ou típicas, recebe dados de entrada aleatórios e deve criar imagens que sejam o mais realistas possível, independentemente disso..
Em um cenário de GAN condicional (cGAN), fazemos uma leve modificação alimentando a rede gerativa com um certo tipo de dado como entrada, e não dados aleatórios. Isso é aplicável ou útil em situações onde o tipo de dado que alimentamos a discriminadora é pareado ou está em 2 partes, e o objetivo da rede discriminadora é determinar se o dado de entrada pareado é válido ou foi inventado.
Autor: Stephen Njuki