文章 "神经网络变得轻松（第三部分）：卷积网络"
已经做了很多工作。我相信也花了很多时间。这一系列文章的目的是什么？
如果是在 MKL5 上进行编程练习，很显然，您需要它。每个人都可以尝试一下这只野兽是什么。不幸的是，很多人可能会因为实现效果不佳而失望，并放弃在这一领域的进一步探索。
实际上，超过 2 小时（！）的培训时间是不可接受的。 各大机构已经为此开发了许多不同语言的程序。只要正确应用即可。
祝你好运
已经做了很多工作。我相信也花了很多时间。这一系列文章的目的是什么？
如果是在 MKL5 上进行编程练习，很显然，您需要它。每个人都可以尝试一下这只野兽是什么。不幸的是，许多人可能会对您的实现结果感到失望，从而放弃在这一领域的进一步探索。
实际上，超过 2 小时（！）的培训时间是不可接受的。 各大机构已经为此开发了许多不同语言的程序。只要正确应用即可。
祝你好运
日安，弗拉基米尔。
文章的目的是展示各种可能性，并为每个人建立自己的程序提供工具。
在不使用多线程显卡 的情况下，一个新纪元的训练 时间超过 2 小时是可以接受的结果。实际上，神经网络 是在准备好的数据上进行训练的，而我们是在真实数据上处理当前的一个状态，时间只有几秒钟。
我同意，这些例子显示的结果很低，但这篇文章的目的并不是要给每个人提供一个具有一定盈利能力的现成智能交易系统。为此，除工具本身外，还需要对神经网络架构进行长期研究，并使用不同的神经网络架构进行大量实验。
不是 2 小时，是 2 天）。
样本大小是多少？有多少特征和样本数量？
不是 2 小时，是 2 天）。
样本大小是多少？有多少特征和样本数量？
样本为 12453 根蜡烛图（H1 为 2 年）。网络输入包含 20 根蜡烛图的信息，每根蜡烛图包含 12 个符号。一个历元的训练时间为2-2.5 小时。
你好，迪米特里！
感谢您提供这一系列有关神经网络的文章！我非常喜欢阅读这些文章（通过谷歌翻译成英文），因为我也在 MQL5 语言中使用反向传播和不同的优化技术（如 Adam、RMSprop 等）实现了神经网络。老实说，MQL5 语言对于训练非玩具问题来说太慢了，但这种实现仍然很有价值。尽管实施神经网络具有教育意义，但我们注意到，我们并不局限于使用 MQL5 编程语言来训练网络。我们可以使用高性能软件包来训练网络，然后将权重（和其他超参数）转移到我们的 MQL5 程序中进行测试和实时交易。请继续发表您的佳作！:)
致以最崇高的敬意，拉苏尔
谢谢
这篇文章确实很有趣。特别是，所有内容都是在 MQL 中实现的，不需要任何库。我希望会有续篇。遗憾的是，对 Expert Advisor 的测试尚未取得积极成果。
新文章 神经网络变得轻松（第三部分）：卷积网络已发布：
作为神经网络主题的延续，我建议研究卷积神经网络。 这种类型的神经网络通常用来分析视觉成像。 在本文中，我们将研究这种网络在金融市场中的应用。
使用 EURUSD 货币对和 H1 时间帧执行测试。 在同一终端的同一品种的不同图表上同时启动了两个智能交易系统，一个含有卷积神经网络，另一个含有完全连接网络。 卷积神经网络的完全连接层的参数，与第二个智能交易系统的完全连接网络的参数匹配。 e. 我们只是简单地将卷积层和子抽样层添加到先前创建的网络中。
直观上，您可以看到信号在卷积神经网络图上出现的频率较低，但是它们更接近目标。
作者：Dmitriy Gizlyk