Discussão do artigo "Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Componentes principais)"

Novo comentário
 

Novo artigo Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Componentes principais) foi publicado:

Neste artigo, analisamos em detalhes os algoritmos de implementação dos principais componentes do framework HimNet. Mostramos como é possível alcançar alta consistência e capacidade de controle sobre todo o sistema com um número mínimo de componentes treináveis. A implementação apresentada se destaca pela estrutura compacta e transparente, o que facilita sua adaptação a tarefas reais de mercado.

A parte prática do primeiro artigo confirmou que a ideia funciona em um ambiente real de engenharia. Transferimos para a GPU as operações pesadas de construção dos polinômios de Chebyshev e de retropropagação do erro, implementando em OpenCL os kernels ChebStep e ChebStepGrad.

No programa principal, foi implementado o objeto CChebPolinom, que encapsula os kernels e fornece uma interface unificada para inferência e cálculo de gradientes. Como resultado, obtivemos um pipeline híbrido: treinamento rápido e inferência confiável.

Neste artigo, continuamos a desenvolver as abordagens do framework HimNet com MQL5.


Autor: Dmitriy Gizlyk

Novo comentário