Тензорные исчисления

[Grigorii Matsnev]

Доброго времени суток! Реализовывал ли кто-нибудь тензорные исчисления на mql? Или может пытался реализовать? 

[Maxim Kuznetsov]

тут давеча ввели нативный тип matrix мало совместимый с прочими - в нём реализуйте.

[Renat Fatkhullin]

Grigorii Matsnev:
Доброго времени суток! Реализовывал ли кто-нибудь тензорные исчисления на mql? Или может пытался реализовать? 

Посмотрите последние новости: https://www.mql5.com/ru/forum/428697

Есть как встроенные типы matrix<double>, matrix<float>, vector<double>, vector<float>, complex, так и математические операции с ними. Плюс поддержка вычислений в OpenCL.

Уже сейчас можно реализовывать серьезные нейросети и машинное обучение на MQL5.  Мы также провели подготовительную работу по внедрению мощного движка машинного обучения нативно в MQL5 язык. Это позволит писать полноценные ML системы прямо в платформе.

Наличие нативных матриц и векторов с большим набором штатных математических функций - это необходимый фундамент для рывка в возможностях алготрейдинга. И мы это сделали.

Импорт onnx моделей тоже есть в предварительных разработках, хоть и без поддержки 100% возможностей. К сожалению, мало какие пакеты могут на 100% полностью импортировать любой onnx файл.

Безусловно, сейчас удобнее и производительнее делать исследования и разработки в существующих системах. Но исполнение можно будет перенести через onnx модели без применения сторонних библиотек.

С добавлением ML движка исследования и тренировки можно будет вести напрямую в MQL5. Это следующий рывок.

[Renat Fatkhullin]

Maxim Kuznetsov #:

тут давеча ввели нативный тип matrix мало совместимый с прочими - в нём реализуйте.

Почему это мало совместимый?

float и double штатные, а fp16 сомнителен в финансовых вычислениях. Хотя можем добавить такой(да вообще любой) тип в MQL5.

Сейчас готовим расширенную документацию по матричной математике - там много интересного и удобного.

[Aleksey Nikolayev]

Да, обязательно нужна возможность подсчёта тензора Риччи, чтобы решить уравнение Эйнштейна для пространства Фридмана и уйти за горизонт Шварцмана.

[Renat Fatkhullin]

Вообще в машинном обучение дальше тензоров второго ранга (а это матрицы двумерные) обычно не добираются.

Гугл в TensorFlow применил маркетинговый трюк, захватив и упростив понятие тензора. Математическое понятие тензора сильно больше того, что есть в текущем общедоступном ML.

Так что в основе остаются вектора и матрицы - их мы уже серьезно развили.