본문은 머신러닝의 새로운 관점에 대해 다룹니다. 딥러닝, 정확히 말하면 심층 신경망에 대한 글이죠. 2세대 신경망도 간략하게 살펴볼 겁니다. 연결 구조, 종류, 학습 메소드 및 규칙, 단점을 다룬 후 3세대 신경망 개발의 역사, 종류, 특성 및 학습 메소드에 대해 알아보겠습니다. 실제 데이터를 이용한 적층 오토인코더를 이용한 심층 신경망 구축 및 학습 실험도 할 겁니다. 인풋 데이터 선택부터 편차 메트릭까지 자세히 다룰 겁니다. 본문의 마지막 부분에서는 MQL4/R 기반 인디케이터가 탑재된 EA를 이용해 심층 신경망을 구현해 보도록 하겠습니다.
딥러닝과 심층 신경망과 같은 주제에 대해 쉽게 설명해 보겠습니다.
실제 데이터를 적용한 실험 결과 심층 신경망의 이론적 장점을 직접 확인할 수 있었습니다. 분류를 해보면 되는데요. 심층 신경망 모델을 기반으로 하는 인디케이터와 EA를 만들어 클라이언트/서버 구조를 통해 테스트해 보겠습니다.
본문은 인공 신경망에 대한 기본적 이해를 가진 독자를 대상으로 합니다.
4. 인디케이터 및 엑스퍼트 어드바이저 구현
이제 심층 신경망을 이용해 거래 시그널을 수신하는 인디케이터와 EA를 작성해 볼 겁니다.
두 가지 방법이 있는데요.
첫 번째 방법Rstudio를 이용해 수동으로 신경망을 학습시킵니다. 허용 가능한 결과가 나오면 네트워크를 적당한 카탈로그에 저장합니다. EA와 인디케이터를 차트에 실행합니다. EA는 학습된 네트워크를 실행할 겁니다. 인디케이터는 각 바에 대한 새로운 인풋 데이터 벡터를 준비하고 EA로 전달합니다. EA는 네트워크 데이터를 표시하며, 시그널을 수신해 시그널에 따릅니다. EA는 주문 시작 및 종료, 추적 등과 같은 일반적인 활동을 수행하고 있습니다. 인디케이터의 목적은 각각의 새로운 바에 대한 새로운 입력 데이터를 준비하고 EA에 전달하는 것이며, 가장 중요한 것은 네트워크에서 예측한 신호를 제시하는 것입니다. 연습을 통해 시각적 제어가 신경망을 평가하는 가장 효율적인 방법임을 알 수 있습니다.
두 번째 방법 EA와 인디케이터를 차트에 실행합니다. 실행 후 인디케이터가 EA로 미리 준비된 대량의 인풋과 아웃풋 데이터 세트를 전송합니다. EA는 최적의 신경망에 대한 학습, 테스트 및 선택을 실행합니다. 그 후에는 첫 번째 방법과 동일하게 진행됩니다.
첫 번째 알고리즘을 이용해 링크 인디케이터-EA를 작성할 겁니다. 최대한 간단한 EA를 만들 거예요.
왜 이렇게 어렵냐고요? 이러한 구현 방식을 이용하면 서로 다른 심볼/시간 프레임에 배치된 여러 지표를 하나의 EA에 연결하고 결과적으로 함께 작업할 수 있습니다. 그래서 EA를 좀 세련되게 만들어야 하죠. 이것도 나중에 얘기할 거예요.
새로운 기고글 3세대 신경망: 심층 신경망 가 게재되었습니다:
본문은 머신러닝의 새로운 관점에 대해 다룹니다. 딥러닝, 정확히 말하면 심층 신경망에 대한 글이죠. 2세대 신경망도 간략하게 살펴볼 겁니다. 연결 구조, 종류, 학습 메소드 및 규칙, 단점을 다룬 후 3세대 신경망 개발의 역사, 종류, 특성 및 학습 메소드에 대해 알아보겠습니다. 실제 데이터를 이용한 적층 오토인코더를 이용한 심층 신경망 구축 및 학습 실험도 할 겁니다. 인풋 데이터 선택부터 편차 메트릭까지 자세히 다룰 겁니다. 본문의 마지막 부분에서는 MQL4/R 기반 인디케이터가 탑재된 EA를 이용해 심층 신경망을 구현해 보도록 하겠습니다.
딥러닝과 심층 신경망과 같은 주제에 대해 쉽게 설명해 보겠습니다.
실제 데이터를 적용한 실험 결과 심층 신경망의 이론적 장점을 직접 확인할 수 있었습니다. 분류를 해보면 되는데요. 심층 신경망 모델을 기반으로 하는 인디케이터와 EA를 만들어 클라이언트/서버 구조를 통해 테스트해 보겠습니다.
본문은 인공 신경망에 대한 기본적 이해를 가진 독자를 대상으로 합니다.
4. 인디케이터 및 엑스퍼트 어드바이저 구현
이제 심층 신경망을 이용해 거래 시그널을 수신하는 인디케이터와 EA를 작성해 볼 겁니다.
두 가지 방법이 있는데요.
첫 번째 알고리즘을 이용해 링크 인디케이터-EA를 작성할 겁니다. 최대한 간단한 EA를 만들 거예요.
왜 이렇게 어렵냐고요? 이러한 구현 방식을 이용하면 서로 다른 심볼/시간 프레임에 배치된 여러 지표를 하나의 EA에 연결하고 결과적으로 함께 작업할 수 있습니다. 그래서 EA를 좀 세련되게 만들어야 하죠. 이것도 나중에 얘기할 거예요.
다음은 인디케이터와 EA의 인터랙션 구조입니다.
그림 31. 인디케이터-EA 인터랙션 구조
작성자: Vladimir Perervenko