Обсуждение статьи "Нейросети в трейдинге: Параметроэффективный Transformer с сегментированным вниманием (Окончание)"
Я получаю ошибки из файла math.math/mqh. Если есть какие-либо решения этой проблемы, буду очень признателен.
FSAmasterAccount #:
Я получаю ошибки из файла math.math/mqh. Если есть какие-либо решения этой проблемы, буду очень признателен.
В местах возникновения ошибки ошибки замени MathPow на ::MathPow, это позволит обращаться к функциям компилятора, а не объявленным в классе.
Я получаю ошибки из файла math.math/mqh. Если есть какие-либо решения этой проблемы, буду очень признателен.
Документация по MQL5: Математические функции / MathPow
- www.mql5.com
Возводит основание в указанную степень. Параметры base [in] Основание. exponent [in] Значение степени. Возвращаемое значение Значение...
Когда я компилирую файл Research.mq5, я получаю эту ошибку
и когда я компилирую файл ResearchRealORL.mq5, я получаю эту ошибку
и когда я компилирую файл Study.mq5, я получаю эту ошибку
Повторилась почти та же ошибка, что я сделал не так?
и когда я компилирую файл Test.mq5, я получаю эту ошибку
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Нейросети в трейдинге: Параметроэффективный Transformer с сегментированным вниманием (Окончание):
В предыдущей работе мы рассмотрели теоретические аспекты фреймворка PSformer, который включает две основные инновации в архитектуру классического Transformer: механизм совместного использования параметров (Parameter Shared — PS) и внимание к пространственно-временным сегментам (SegAtt). И в данной статье мы продолжаем начатую работу по реализации предложенных подходов средствами MQL5.
В предыдущей статье мы познакомились с теоретическими аспектами фреймворка PSformer, который вносит в архитектуру ванильного Transformer две ключевые инновации: механизм совместного использования параметров (Parameter Shared — PS) и внимание к пространственно-временным сегментам (SegAtt).
Напомню, что авторы фреймворка PSformer предложили энкодер, основанный на архитектуре Transformer, с двухуровневой структурой внимания к сегментам. Каждый уровень включает блок с общими параметрами, состоящий из трёх полносвязных слоёв с остаточными связями. Такая архитектура позволяет уменьшить общее количество параметров, сохраняя эффективность обмена информацией внутри модели.
Для выделения сегментов используется метод патчинга, в котором временные ряды переменных делятся на патчи. Патчи с одинаковым положением по разным переменным объединяются в сегменты, которые представляют собой пространственное расширение патча одной переменной. Это разбиение позволяет эффективно организовать многомерный временной ряд в несколько сегментов.
Внутри каждого сегмента внимание направлено на выявление локальных пространственно-временных связей, в то время как интеграция информации между сегментами улучшает общее качество прогнозов.
Автор: Dmitriy Gizlyk