文章: 第三代神经网络：深度网络 新评论 MetaQuotes 2016.01.11 07:09 新文章 第三代神经网络：深度网络已发布：本文致力于介绍一种新的有前景的机器学习方向 — 深度学习或者更准确的说，深度神经网络。简要回顾第二代神经网络，它们的连结架构和主要类型，学习的方法和规则以及缺点，随后介绍第三代神经网络的发展， 它们的主要类型，特点和学习方法。创建并训练一个深度神经网络，由真实数据通过堆栈式自动编码器权重进行初始化。从输入数据的选择到数量化求解的所有步骤 都会详细讲述。文章的最后部分包含一个深度神经网络的EA实例，其中带有一个MQL4/R的内置指标。本文将要讨论这一课题的主要概念，诸如深度学习以及无复杂layman形式运算的深度网络。 真实数据的实验，通过定量和比较（无法定量和比较），证实（或证伪）深度神经网络的理论优势。当前的任务是分类。我们要基于深度神经网络模型创建一个指标和一个EA，根据客户端/服务器的方式进行运作，并对它们进行测试。 本文的读者应该对神经网络中使用的基本概念已有一定程度的了解。 4. 实现（指标和EA） 现在我们要写一个接收深度神经网络交易信号的指标和EA程序。 有两种实现方式： 第一种方式。神经网络的训练在Rstudio中手动执行。在获得可接受的结果后，将网络保存在恰当的目录中。然后在 图表上加载EA和指标。EA将加载已训练后的神经网络。指标将每个新柱形上的输入数据组织成向量传入EA。EA呈现神经网络数据，接收交易信号然后执行交 易。EA执行常规操作如开仓、平仓，追踪止损等。指标的目的是给EA准备和传递每个新柱形的输入数据，最重要的是，在图表上呈现网络的预测信号。实践证 明，可视化控制是评估一个神经网络的最有效的方法。第二种方式。在图表上加载EA和指标。刚加载时，指标传递给EA一个预先准备好的输入输出大数据集。EA开始训练、测试及选择最佳神经网络。这之后的运作和第一种方式一样。 我们打算根据第一个算法编写指标-EA关联程序。最简单化实现EA。 为何这么困难呢？这样的实现方式允许将在不同的货币对/时间框架上的多个指标和同一个EA关联起来并正常运行。为了实现这点，EA必须进行小的调整。我们打算后面再讨论它。 下面是指标和EA的交互结构： 图. 31. 指标和EA之间的交互结构作者：Vladimir Perervenko 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 第三代神经网络：深度网络已发布：
本文致力于介绍一种新的有前景的机器学习方向 — 深度学习或者更准确的说，深度神经网络。简要回顾第二代神经网络，它们的连结架构和主要类型，学习的方法和规则以及缺点，随后介绍第三代神经网络的发展， 它们的主要类型，特点和学习方法。创建并训练一个深度神经网络，由真实数据通过堆栈式自动编码器权重进行初始化。从输入数据的选择到数量化求解的所有步骤 都会详细讲述。文章的最后部分包含一个深度神经网络的EA实例，其中带有一个MQL4/R的内置指标。
本文将要讨论这一课题的主要概念，诸如深度学习以及无复杂layman形式运算的深度网络。
真实数据的实验，通过定量和比较（无法定量和比较），证实（或证伪）深度神经网络的理论优势。当前的任务是分类。我们要基于深度神经网络模型创建一个指标和一个EA，根据客户端/服务器的方式进行运作，并对它们进行测试。
本文的读者应该对神经网络中使用的基本概念已有一定程度的了解。
4. 实现（指标和EA）
现在我们要写一个接收深度神经网络交易信号的指标和EA程序。
有两种实现方式：
我们打算根据第一个算法编写指标-EA关联程序。最简单化实现EA。
为何这么困难呢？这样的实现方式允许将在不同的货币对/时间框架上的多个指标和同一个EA关联起来并正常运行。为了实现这点，EA必须进行小的调整。我们打算后面再讨论它。
下面是指标和EA的交互结构：
图. 31. 指标和EA之间的交互结构
作者：Vladimir Perervenko