文章 "神经网络变得简单（第 93 部分）：频域和时域中的自适应预测（终篇）"
德米特里 你好！
您是如何训练和补充一年历史示例数据库的？我在您的智能交易系统（Expert Advisors）中的 bd 文件（您使用一年的历史记录）中补充新示例时遇到了问题。问题是，当该文件达到 2 GB 大小时，它显然开始被错误地保存，然后模型训练 Expert Advisor 无法读取它并给出错误。或者 bd 文件的大小开始急剧下降，每增加一个新示例就会减少几兆字节，然后训练顾问仍然会出错。如果历史记录长达一年，这种问题最多会出现在 150 个轨迹上；如果历史记录长达 7 个月，这种问题最多会出现在 250 个轨迹上。bd文件的大小 增长非常快。例如，18 个轨迹的重量接近 500 Mb。30 个轨迹则为 700 MB。
因此，为了进行训练，我们必须删除这个包含 7 个月内 230 条轨迹的文件，然后使用预先训练好的 "专家顾问 "重新创建文件。但在这种模式下，补充数据库时更新轨迹的机制不起作用。我认为这是由于 MT5 中一个线程的内存限制为 4 GB。他们在帮助中的某处提到了这一点。
有趣的是，在早期的文章中（历史记录为 7 个月，500 条轨迹的基础数据约为 1 GB）并不存在这样的问题。我的电脑资源不受限制，内存超过 32 GB，显卡内存也足够。
德米特里，你是如何在教学中考虑到这一点的？
我使用文章中的文件，未作任何修改。
因此，为了进行训练，我们必须删除这个包含 7 个月内 230 条轨迹的文件，然后使用预先训练好的 "专家顾问 "重新创建文件。但在这种模式下，补充数据库时更新轨迹的机制不起作用。我认为这是由于 MT5 中一个线程的内存限制为 4 GB。他们在帮助中的某处提到了这一点。
有趣的是，在早期的文章中（历史记录为 7 个月，500 条轨迹的基础数据约为 1 GB）并不存在这样的问题。我没有受到电脑资源的限制，因为内存超过 32 GB，显卡也有足够的内存。
德米特里，您在教学中是如何考虑到这一点的？
我使用文章中的文件，未作任何修改。
Victor,
我不知道该怎么回答您。我使用较大的文件。
嗨，我读了这篇文章，感觉很有趣，了解了一些，读完原文后会再读一遍。
我看到了这篇论文 https://www.mdpi.com/2076-3417/14/9/3797#
它声称他们在比特币 图像分类中获得了 94% 的存档率，这真的可能吗？
- www.mdpi.com
新文章 神经网络变得简单（第 93 部分）：频域和时域中的自适应预测（终篇）已发布：
在本文中，我们继续实现 ATFNet 模型的方式，其在时间序列预测内可自适应地结合 2 个模块（频域和时域）的结果。
在上一篇文章中，我们领略了 ATFNet 算法，它是 2 个时间序列预测模型的融合。其中一个工作在时域，并根据信号幅度的分析，为所研究时间序列构造预测值。第二个模型则配以所分析时间序列的频率特征工作，并记录其全局依赖关系、周期性、和频谱。根据该方法作者的说法，两个独立预测的自适应合并，生成了令人印象深刻的结果。
频率 F-模块的主要特点是其算法构造，完全使用复数运算。为了满足这一需求，在上一篇文章中，我们构建了 CNeuronComplexMLMHAttention 类。它完全重复了变换器 多层编码器算法，并带有多头自关注的元素。我们构建的集成关注度类是 F-模块的基础。在本文中，我们将继续实现 ATFNet 方法作者提议的方式。
作者：Dmitriy Gizlyk