Gang Wu / 个人资料

在本文中，笔者将讨论利用亲自开发的遗传算法进行的进化计算。笔者将通过示例说明算法的功能，并为算法的使用提供实用性的建议。

本文会介绍一个专为针对各种时间序列的特性给出快速初步评估而设计的类。与其同时，亦对统计参数和自相关函数进行评估，对时间序列执行频谱估计，并构建一个直方图。

自组织特征映射（Kohonen 映射）最有趣的方面是，其在不受监督的情况下就可学会对数据进行分类。就其基本形式而言，该映射能够生成输入数据的一个类似映射（聚类）。可使用 SOM 映射实现高维数据的分类和可视化。在本文中，我们将讨论 Kohonen 映射的几个简单应用。

本文旨在创建最简单的交易策略，实施"要么赢走全部，要么输个精光"的游戏原则。我们不想创建一个能盈利的 EA 交易- 目标是通过最大可能概率让初始存款增加几倍。在不知道任何技术分析或不使用任何指标的情况下是否有可能在 ForEx 市场中赢走全部或输个精光？

本文致力于介绍一种新的有前景的机器学习方向 — 深度学习或者更准确的说，深度神经网络。简要回顾第二代神经网络，它们的连结架构和主要类型，学习的方法和规则以及缺点，随后介绍第三代神经网络的发展，它们的主要类型，特点和学习方法。创建并训练一个深度神经网络，由真实数据通过堆栈式自动编码器权重进行初始化。从输入数据的选择到数量化求解的所有步骤都会详细讲述。文章的最后部分包含一个深度神经网络的EA实例，其中带有一个MQL4/R的内置指标。

现在，每一位交易者肯定听说过神经网络并知道使用它们有多酷。大多数人相信那些能够使用神经网络的人是某种超人。在本文中，我将尝试向您解释神经网络架构，描述其应用并提供几个实践例子。