文章 "交易中的神经网络：用于精确分类的高效特征提取（构建对象）" 新评论 MetaQuotes 2026.08.31 14:39 新文章 交易中的神经网络：用于精确分类的高效特征提取（构建对象）已发布： Mantis 是一款用于深度时序分析的多功能工具，可灵活扩展，适配任意金融场景。了解分块处理、局部卷积与交叉注意力相结合，如何实现对市场形态的高精度解读。 当接收多通道输入时，Mantis真正价值便得以充分显现。同步变化的 RSI 指标、成交量、移动平均线以及货币对相关性共同构成了复杂的行情图景。直接拼接上述信号会造成参数量爆炸，而分开处理各通道又会丢失通道间的交叉关联。Mantis的解决方案是采用轻量适配器压缩跨通道交互信息，仅保留最核心的部分：各指标之间的关联强度。该设计减少显存占用，同时减少交易者配置模型的耗时。 下面分步解析Mantis的网络架构。第一阶段为初始卷积：拥有d个通道的时间序列输入一层具有 256 个输出的卷积层，生成高维稠密特征表示。随后张量被均匀切分，经过按通道mean-pooling均值池化处理，将数据转换为 32 个token，每个token均携带局部行情信息。 与此同时构建差分数据流：对输入数据求取一阶差分，以提升模型对短期动态变化的敏感度。差分后的数据执行同样的时序分块流程。 第三、第四路数据流 —— 统计数据流：在上述 32 个时间窗口内，分别计算原始数据的均值与标准差，以此传递波动率与价格水平的整体背景信息。 这四路数据流分别经过独立的线性投影层完成维度对齐，随后拼接在一起并映射为指定尺寸的全局token。 作者：Dmitriy Gizlyk 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 交易中的神经网络：用于精确分类的高效特征提取（构建对象）已发布：
当接收多通道输入时，Mantis真正价值便得以充分显现。同步变化的 RSI 指标、成交量、移动平均线以及货币对相关性共同构成了复杂的行情图景。直接拼接上述信号会造成参数量爆炸，而分开处理各通道又会丢失通道间的交叉关联。Mantis的解决方案是采用轻量适配器压缩跨通道交互信息，仅保留最核心的部分：各指标之间的关联强度。该设计减少显存占用，同时减少交易者配置模型的耗时。
下面分步解析Mantis的网络架构。第一阶段为初始卷积：拥有d个通道的时间序列输入一层具有 256 个输出的卷积层，生成高维稠密特征表示。随后张量被均匀切分，经过按通道mean-pooling均值池化处理，将数据转换为 32 个token，每个token均携带局部行情信息。
与此同时构建差分数据流：对输入数据求取一阶差分，以提升模型对短期动态变化的敏感度。差分后的数据执行同样的时序分块流程。
第三、第四路数据流 —— 统计数据流：在上述 32 个时间窗口内，分别计算原始数据的均值与标准差，以此传递波动率与价格水平的整体背景信息。
这四路数据流分别经过独立的线性投影层完成维度对齐，随后拼接在一起并映射为指定尺寸的全局token。
作者：Dmitriy Gizlyk