Discussão do artigo "Redes neurais em trading: modelo de difusão adaptativa em grafos (módulo de atenção)"
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 Redes neurais em trading: modelo de difusão adaptativa em grafos (módulo de atenção) foi publicado:
Depois de implementar os algoritmos do módulo Significant Neighbors Sampling, responsável por selecionar as conexões mais significativas, podemos avançar da preparação dos dados para uma análise mais profunda. Nesta etapa, começamos a desenvolver os algoritmos do módulo Sparse Spatial Multi-Head Attention, que será uma ferramenta-chave para extrair padrões estruturais dos vizinhos já selecionados.
Esse módulo funciona como um filtro inteligente: processa as informações e distribui a atenção do modelo para que ele se concentre nas relações espaciais realmente significativas, sem perder o contexto global. Ele usa atenção multicabeça, mas em uma forma esparsa, diferente da abordagem clássica. Com isso, reduz a carga computacional sem comprometer a qualidade da análise. Cada fluxo de dados passa por uma estrutura de atenção mais econômica e seletiva, na qual cada cabeça preserva as conexões mais relevantes e exerce sua própria função de filtragem.
Antes de avançar para a implementação, convém esclarecer nossa leitura dos algoritmos propostos pelos autores e os pontos que exigem atenção especial. A abordagem original é bastante intuitiva. Para construir o grafo, os autores concatenam, par a par, os embeddings de cada elemento com os embeddings de seus vizinhos mais próximos, previamente selecionados pelo módulo Significant Neighbors Sampling. Em seguida, cada par passa por um modelo totalmente conectado compacto, que gera a representação subsequente das conexões.
Autor: Dmitriy Gizlyk