Обсуждение статьи "Машинное обучение и Data Science (Часть 27): Сверточные нейросети (CNN) в торговых роботах для MetaTrader 5"

[MetaQuotes]

Опубликована статья Машинное обучение и Data Science (Часть 27): Сверточные нейросети (CNN) в торговых роботах для MetaTrader 5:

Сверточные нейронные сети (CNN) используются для обнаружения закономерностей в изображениях и видео. При этом их применение намного шире. В этой статье мы рассмотрим применимость сверточных нейросетей для выявления ценных закономерностей на финансовых рынках и генерации торговых сигналов для торговых роботов в MetaTrader 5. Поговорим о том, как можно использовать этот метод глубокого машинного обучения для принятия обоснованных торговых решений.

Сверточные нейронные сети (CNN) — это класс алгоритмов глубокого обучения, специально разработанных для обработки структурированных данных в виде сетки, таких как изображения, аудиоспектрограммы и данные временных рядов. Они особенно хорошо подходят для задач с визуальными данными, поскольку могут автоматически и адаптивно изучать пространственные иерархии признаков на основе входных данных.

Сверточные нейронные сети представляют собой расширенную версия искусственных нейронных сетей. Они в основном используются для извлечения признаков из набора данных с сеточной структурой. Например, это могут визуальные наборы данных, такие как изображения или видео, где используются паттерны.

Ключевые компоненты сверточных нейросетей: сверточные слои, функции активации, слои пулинга, полносвязанные слои и Dropout-слои. Чтобы лучше разобраться в сверточных нейронных сетях, давайте разберем каждый компонент и выясним, в чем суть.

Автор: Omega J Msigwa

[npats2007]

MetaQuotes:

Опубликована статья Машинное обучение и Data Science (Часть 27): Сверточные нейросети (CNN) в торговых роботах для MetaTrader 5:

Автор: Omega J Msigwa

5.5 сделок в год по H4 это мало. Очень мало.

[Ryan L Johnson]

Это самое краткое объяснение применения CNN в трейдинге, которое я когда-либо видел, причем по большей части на простом языке и с диаграммами. Затем оно сведено к коду на MQL5. Обратите внимание, что код не ограничивается таймфреймом H4.

Отличная работа, сэр! 👍