Обсуждение статьи "Пишем глубокую нейронную сеть с нуля на языке MQL"
Потрясающий подход - только что работал над подобным - оптмизация весов с помощью общих алгоритмов, встроенных в тестер стратегий!!! Очень нравится!
А зачем оптимизировать еще и "смещение"? Я думал, что он всегда "1.0", чтобы избежать 0 значений, или?
Хорошая статья, объясняет основы нейронных сетей, и важно, что она использует оптимизатор для обучения.
Привет Ли,
Я обновил статью, добавив 2 демонстрационных файла. Один для MQL5 и один для MQL4. DeepNeuralNetwork.mqh может быть использован как для mql5, так и для mql4.
В любом случае, я прикрепляю эти файлы здесь, чтобы показать, как их использовать.
Дайте мне знать, если у вас возникнут дополнительные вопросы.
Спасибо за коды, которыми вы поделились. Попытался понять ваш способ.
У меня есть некоторые сомнения по поводу yValues[0], yValues[1], yValues[2], так как они НЕ меняются и всегда 0 ,33333, но_xValues[1,2,3] меняются с новым баром; поэтому, если торговля основана на yValues, я не видел НИКАКОЙ ТОРГОВЛИ, в то время как при условиях, основанных на _xValues, ТОРГОВЛЯ ПРОИСХОДИТ.
Это моя ошибка или просто ошибка кодирования в вашем оригинальном коде?
Отличный способ использовать генетический алгоритм тестировщиков в качестве существующих структур для обучения.
Приветствую и благодарю за хорошую статью.
Я обучил нейронную сеть для 2019 года, затем попробовал использовать лучшие параметры/результаты (из оптимизации стратегии - так как это тренировочная база) для 2020 года, но не получил хороших результатов.
Мои вопросы:
1) Что делает обучение?
2) Как часто ее нужно проводить?
3) Можно ли ожидать, что лучшие параметры 2019 года будут хорошо работать в 2020 году?
4) Если лучшие параметры 2019 года не дадут хороших результатов в 2020 году, то как часто нужно тренироваться и какие у этого есть ограничения?
5) Могу ли я тренироваться каждый день, каждую неделю? Тренироваться в течение нескольких дней, недель или месяцев?
Спасибо.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Пишем глубокую нейронную сеть с нуля на языке MQL:
Статья познакомит вас с глубокой нейронной сетью, написанной на MQL, и с различными функциями активации этой сети, такими как функция гиперболического тангенса для скрытых слоев и Softmax для выходного слоя. Мы будем изучать нейросеть постепенно, двигаясь от первого шага до последнего, и вместе создадим глубокую нейронную сеть.
Начнем с базовой единицы нейросети — нейрона. В статье мы будем рассматривать различные части того типа нейрона, которые будем использовать в нашей глубокой нейросети. Строго говоря, отличие нашего типа нейрона от других заключается в одной части — функции активации.
Искусственный нейрон, смоделированный на основе биологического прототипа — нейрона человеческого мозга — просто выполняет математические вычисления. Как и наши нейроны, он срабатывает, когда сталкивается с достаточным количеством раздражителей. Нейрон комбинирует входные данные с набором коэффициентов или весов, которые либо усиливают, либо ослабляют эти входные данные. Таким образом придается значимость входным данным для задачи, которую пытается обучить алгоритм. На изображении ниже показано, как работают различные части нейрона:
Автор: Anddy Cabrera