Нейронные сети - страница 27

[Sergey Golubev]

1. Нейронные сети - это просто - MT5
2. Нейронные сети - это просто (часть 2): Обучение и тестирование сети - MT5
3. Нейронные сети - это просто (часть 3): Конволюционные сети - MT5
4. Нейронные сети - это просто (часть 4): Рекуррентные сети - MT5
5. Нейронные сети - это просто (часть 5): Многопоточные вычисления в OpenCL - MT5
6. Нейронные сети - это просто (часть 6): Экспериментирование со скоростью обучения нейронной сети - MT5
7. Нейронные сети - это просто (часть 7): Методы адаптивной оптимизации - MT5
   
8. Нейронные сети - это просто (часть 8): Механизмы внимания - MT5
9. Нейронные сети - это просто (часть 9): Документирование работы - MT5
10. Нейронные сети - это просто (часть 10): Многоголовое внимание - MT5
    
11. Нейронные сети - это просто (часть 11): Понимание GPT - MT5
    
12. Нейронные сети - это просто (часть 12): Отсев - MT5
    
13. Нейронные сети - это просто (часть 13): Пакетная нормализация - MT5
    

[Sergey Golubev]

Форум о трейдинге, автоматизированных торговых системах и тестировании торговых стратегий

Переход нейронных сетей на новый уровень

Сергей Голубев, 2021.04.13 10:14

Машинное обучение в торговых системах Grid и Martingale. А вы бы поставили на это? - MT5

Мы усердно изучали различные подходы к использованию машинного обучения, направленного на поиск закономерностей на рынке Форекс. Вы уже знаете, как обучать модели и применять их. Но существует огромное количество подходов к торговле, почти каждый из которых можно улучшить, применяя современные алгоритмы машинного обучения. Одним из самых популярных алгоритмов является сетка и/или мартингейл. Прежде чем написать эту статью, я провел небольшой исследовательский анализ, поискав соответствующую информацию в Интернете. Удивительно, но этот подход практически не освещен в глобальной сети. Я провел небольшой опрос среди участников сообщества о перспективах такого решения, и большинство ответили, что даже не знают, как подступиться к этой теме, но сама идея звучит интересно. Хотя сама идея кажется довольно простой.

Давайте проведем серию экспериментов с двумя целями. Во-первых, мы попытаемся доказать, что это не так сложно, как может показаться на первый взгляд. Во-вторых, мы попытаемся выяснить, насколько этот подход применим и эффективен.

[Sergey Golubev]

Нейронные сети - это просто (часть 12): Отсев

Since the beginning of this series of articles, we have already made a big progress in studying various neural network models. But the learning process was always performed without our participation. At the same time, there is always a desire to somehow help the neural network to improve training results, which can also be referred to as the convergence of the neural network. In this article we will consider one of such methods entitled Dropout.

Содержание

• Введение
• 1. Отсев: Метод повышения сходимости нейронной сети
• 2. Реализация
• 2.1. Создание нового класса для нашей модели
• 2.2. Feed-Forward
• 2.3. Feed-Backward
• 2.4. Методы сохранения и загрузки классов
• 2.5. Изменения в базовых классах нейронной сети
• 3. Тест
• Заключение
• Ссылки
• Программы, использованные в статье

[Sergey Golubev]

Нейронные сети - это просто (часть 13): Пакетная нормализация

In the previous article, we started considering methods aimed at increasing the convergence of neural networks and got acquainted with the Dropout method, which is used to reduce the co-adaptation of features. Let us continue this topic and get acquainted with the methods of normalization.

Содержание

• Введение
• 1. Теоретические предпосылки нормализации
• 2. Реализация
• 2.1. Создание нового класса для нашей модели
• 2.2. Feed-Forward
• 2.3. Feed-Backward
• 2.4. Изменения в базовых классах нейронных сетей
• 3. Тестирование
• Заключение
• Ссылки
• Программы, использованные в статье

[Sergey Golubev]

Форум о трейдинге, автоматизированных торговых системах и тестировании торговых стратегий

Переход нейронных сетей на новый уровень

Сергей Голубев, 2021.10.20 11:21

Программирование глубокой нейронной сети с нуля с помощью языка MQL

Поскольку машинное обучение в последнее время набирает популярность, многие слышали о Deep Learning и хотели бы узнать, как применить его на языке MQL. Я видел простые реализации искусственных нейронов с функциями активации, но ничего, что реализовывало бы настоящую глубокую нейронную сеть. В этой статье я представлю вам глубокую нейронную сеть, реализованную на языке MQL, с различными функциями активации, такими как функция гиперболического тангенса для скрытых слоев и функция Softmax для выходного слоя. Мы будем двигаться от первого шага до конца, чтобы полностью сформировать глубокую нейронную сеть.

[votija.63]

Здравствуйте Сергей Голубев: Хочу поздравить вас с праздником, я много читаю ваши статьи и ссылки, не знаете ли вы программиста, который имеет опыт работы с нейрами? Я использую 3 индикатора, которые при выравнивании приносят большую прибыль!!!, Спасибо большое за любую информацию, обнимаю!