文章 "神经网络变得轻松（第四部分）：循环网络"

[MetaQuotes]

新文章 神经网络变得轻松（第四部分）：循环网络已发布：

我们继续研究神经网络的世界。 在本文中，我们将研究另一种类型的神经网络，循环网络。 此类型建议与时间序列配合使用，其在 MetaTrader 5 交易平台中由价格图表呈现。

当然，在每个 LSTM 模块中使用 4 个内部神经层，以及算法本身的复杂性都会影响性能，因此，这种神经网络的速度比之前所研究的卷积网络要低一些。 然而，循环网络的均方根误差要小得多。

在循环神经网络训练过程中，目标命中准确性图形具有明显的、几乎笔直的上升趋势。

作者：Dmitriy Gizlyk

[Aleksandr Masterskikh]

神经网络是交易中非常必要的课题。

同时，神经网络应考虑到过程的性质。

金融市场是行为系统，价格变动过程是非稳态的。

脉冲平衡理论考虑到了行为因素--这些是具体参数--"基本结构（M 型）"、"诱导振幅"、"活跃脉冲 "和 "超活跃脉冲"。

将这些信息提供给神经网络作为参考是很有意义的。

[Tatiana Savkevych]

非常有趣的作品。

[PLAMEN VASILEV IVANOV]

感谢您分享工作成果，迪米特里！

有没有办法让 NN 在训练时使用所有 CPU 内核？

[Antonio Neves]

关于 NN 的讨论很好！希望能找到如何在 MQL5 中加载外部训练的 MT5 NN 的方法。

在我的案例中，我有一个 mxnet，我希望能将其加载到 MQL5 中。我查看了 代码库，但没有找到使用哪些库的示例。有任何帮助吗？

[Roman Korotchenko]

令人着迷的研究和细节解析。作者的专业水平毋庸置疑，软件模块的实施也证实了这一点。问题如下：如果允许在 MQL5 程序中使用 Python 以及相应的 Keras、TensorFlow、PyTorch，那么使用丰富的工具包通过这些工具实现神经网络是否会更容易、更有前景？

[Dmitriy Gizlyk]

Roman Korotchenko #:

令人着迷的研究和细节解析。作者的专业水平毋庸置疑，软件模块的实施也证实了这一点。问题如下：如果允许在 MQL5 程序中使用 Python 以及相应的 Keras、TensorFlow、PyTorch，那么使用丰富的工具包通过这些工具实现神经网络是否会更容易、更有前景？

原因有以下几点。
1. 这篇文章可以让您了解算法的原理。如果您不感兴趣，可以使用 Python 和其他编程语言的现成库。
2.第一个 Python 集成是在 2019 年 6 月 12 日的build 2085 中添加的，当时只能获取报价。此后，集成功能不断扩展。但即使是现在，它也并不完整。
3. 这里的很多人都不是专业程序员。对他们来说，学习集成和另一种编程语言可能很困难。也许有人会觉得这篇文章难以理解，但他们可以随时使用所附的现成代码进行开发。

看看 Python。您提到的这些库也是曾经创建的，并且使用了与其他编程语言的集成，用户可能根本意识不到这一点。在 MQL5 中创建此类库只会扩展其功能。