Обсуждение статьи "Нейросети в трейдинге: Обучение метапараметров на основе гетерогенности (Основные компоненты)"
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: Обучение метапараметров на основе гетерогенности (Основные компоненты):
В этой статье мы подробно рассматриваем алгоритмы реализации ключевых компонентов фреймворка HimNet. Демонстрируем, как при минимальном числе обучаемых компонентов достигается высокая согласованность и управляемость всей системы. Представленная реализация отличается компактностью и прозрачностью, что облегчает её адаптацию к реальным рыночным задачам.
Практическая часть первой статьи подтвердила, что идея работает в реальной инженерной среде. Мы перенесли тяжёлые операции построения полиномов Чебышева и обратного распространения ошибки на GPU, реализовав на OpenCL кернелы ChebStep и ChebStepGrad.
На стороне основной программы был реализован объект CChebPolinom, который оборачивает кернелы и даёт единый интерфейс для инференса и расчёта градиентов. В результате получили гибридный пайплайн: быстрое обучение и надёжный инференс.
В данной статье мы продолжаем работу по реализации подходов фреймворка HimNet средствами MQL5.
Автор: Dmitriy Gizlyk