文章 "交易中的神经网络：智能预测流程（稀疏混合专家）" 新评论 MetaQuotes 2026.09.24 18:48 新文章 交易中的神经网络：智能预测流程（稀疏混合专家）已发布： 我们将带大家探索在OpenCL计算环境下，时序稀疏混合专家模块的实际实现。本文会分步讲解掩码多窗口卷积的工作原理，以及多信息流场景下如何实现基于梯度的训练流程。 本篇我们继续之前的研究工作，聚焦Time-MoE框架的核心组件 —— 稀疏混合专家（Sparse Mixture of Experts）。在前一篇文章中，我们分步搭建模型基础，借助SwiGLU嵌入完成构建token与隐藏表征，现在进入这一架构中最关键、最具代表性的部分，在很大程度上决定了整个系统的计算效率与可扩展性。 在本文中，我们将详细讲解专家组的运行机制与计算分配逻辑。我们不只是阐述理论框架，而是基于MQL5完成稀疏MoE的实际代码实现，聚焦实现要点。 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：智能预测流程（稀疏混合专家）已发布：
本篇我们继续之前的研究工作，聚焦Time-MoE框架的核心组件 —— 稀疏混合专家（Sparse Mixture of Experts）。在前一篇文章中，我们分步搭建模型基础，借助SwiGLU嵌入完成构建token与隐藏表征，现在进入这一架构中最关键、最具代表性的部分，在很大程度上决定了整个系统的计算效率与可扩展性。
在本文中，我们将详细讲解专家组的运行机制与计算分配逻辑。我们不只是阐述理论框架，而是基于MQL5完成稀疏MoE的实际代码实现，聚焦实现要点。
作者：Dmitriy Gizlyk