文章 "神经网络变得简单（第 74 部分）：自适应轨迹预测"

[MetaQuotes]

新文章 神经网络变得简单（第 74 部分）：自适应轨迹预测已发布：

本文介绍了一种相当有效的多个体轨迹预测方法，其可适配各种环境条件。

构建交易策略时，分析市场局面和预测金融产品最可能的走势密不可分。这种走势通常与其它金融资产和宏观经济指标相关。这可以与运输的动态进行比较，其中每辆车都遵循自己的独立目的地。不过，它们在道路上的动作在一定程度上是相互关联的，并受到交通规则的严格监管。还有，由于车辆驾驶员对道路状况的个人感知，在道路上仍然留有一部分随机性。 

类似地，在金融领域，价格形成也受到某些规则的约束。然而，由市场参与者创造的供需随机性，导致了价格的随机性。这也许就是在预测未来价格走势方面，借助众多导航领域中所用的轨迹预测方法表现优良的原因。

在本文中，我想向您介绍一种通过权重动态学习 ADAPT 有效联合预测现场所有个体轨迹的方法，该方法是为了解决自动驾驶汽车导航领域的问题而提出的。该方法首次在文章 《ADAPT：自适应高效多个体轨迹预测》 中提出。

作者：Dmitriy Gizlyk

[Maxim Dmitrievsky]

德米特里，你能对模型测试给予更多关注吗？也许可以单独写一篇文章。材料很有趣，但无法从给出的测试中得出任何结论。它也很难重现（尤其是对于那些没有 GPU 或根本没有 Macbook 的人来说）。