![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Forum über Handel, automatisierte Handelssysteme und das Testen von Handelsstrategien
Neuronale Netze auf die nächste Stufe heben
Sergey Golubev, 2021.04.13 10:14
Maschinelles Lernen in Grid- und Martingale-Handelssystemen. Würden Sie darauf wetten? - MT5
Wir haben uns intensiv mit verschiedenen Ansätzen des maschinellen Lernens beschäftigt, die darauf abzielen, Muster auf dem Devisenmarkt zu finden. Sie wissen bereits, wie man Modelle trainiert und implementiert. Es gibt jedoch eine große Anzahl von Handelsansätzen, von denen fast jeder durch die Anwendung moderner Algorithmen des maschinellen Lernens verbessert werden kann. Einer der beliebtesten Algorithmen ist das Grid und/oder Martingale. Bevor ich diesen Artikel geschrieben habe, habe ich eine kleine Sondierungsanalyse durchgeführt und im Internet nach den entsprechenden Informationen gesucht. Überraschenderweise ist dieser Ansatz im weltweiten Netz wenig bis gar nicht vertreten. Ich habe eine kleine Umfrage unter den Community-Mitgliedern zu den Aussichten einer solchen Lösung durchgeführt, und die Mehrheit hat geantwortet, dass sie nicht einmal wüssten, wie man dieses Thema angehen könnte, aber die Idee selbst klang interessant. Dabei scheint die Idee selbst recht einfach zu sein.
Lassen Sie uns eine Reihe von Experimenten mit zwei Zielen durchführen. Erstens werden wir versuchen zu beweisen, dass dies nicht so schwierig ist, wie es auf den ersten Blick erscheinen mag. Zweitens werden wir versuchen, herauszufinden, ob dieser Ansatz anwendbar und effektiv ist.
Neuronale Netze leicht gemacht (Teil 12): Aussetzer
Since the beginning of this series of articles, we have already made a big progress in studying various neural network models. But the learning process was always performed without our participation. At the same time, there is always a desire to somehow help the neural network to improve training results, which can also be referred to as the convergence of the neural network. In this article we will consider one of such methods entitled Dropout.
Inhalt
Neuronale Netze leicht gemacht (Teil 13): Batch-Normalisierung
In the previous article, we started considering methods aimed at increasing the convergence of neural networks and got acquainted with the Dropout method, which is used to reduce the co-adaptation of features. Let us continue this topic and get acquainted with the methods of normalization.
Forum über Handel, automatisierte Handelssysteme und das Testen von Handelsstrategien
Neuronale Netze auf die nächste Stufe heben
Sergey Golubev, 2021.10.20 11:21
Programmierung eines tiefen neuronalen Netzwerks von Grund auf mit der MQL-Sprache