Diskussion zum Artikel "Neuronale Netze leicht gemacht (Teil 74): Trajektorienvorhersage mit Anpassung"
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
Neuer Artikel Neuronale Netze leicht gemacht (Teil 74): Trajektorienvorhersage mit Anpassung :
In diesem Artikel wird eine recht effektive Methode zur Vorhersage der Trajektorie von Multi-Agenten vorgestellt, die sich an verschiedene Umweltbedingungen anpassen kann.
Die Entwicklung einer Handelsstrategie ist untrennbar mit der Analyse der Marktsituation und der Vorhersage der wahrscheinlichsten Entwicklung eines Finanzinstruments verbunden. Diese Bewegung korreliert häufig mit anderen Finanzanlagen und makroökonomischen Indikatoren. Dies ist vergleichbar mit dem Transportwesen, bei dem jedes Fahrzeug sein eigenes Ziel verfolgt. Ihre Handlungen im Straßenverkehr sind jedoch bis zu einem gewissen Grad miteinander verknüpft und werden durch die Verkehrsregeln streng geregelt. Auch aufgrund der individuellen Wahrnehmung der Straßensituation durch die Fahrzeugführer verbleibt ein Teil der Stochastik auf den Straßen.
Auch in der Welt der Finanzen unterliegt die Preisbildung bestimmten Regeln. Die von den Marktteilnehmern erzeugte Stochastizität von Angebot und Nachfrage führt jedoch zu einer Stochastizität der Preise. Dies könnte der Grund dafür sein, dass viele der in der Schifffahrt verwendeten Methoden zur Vorhersage der Trajektorie bei der Vorhersage künftiger Preisbewegungen gut funktionieren.
In diesem Artikel möchte ich Ihnen eine Methode zur effektiven gemeinsamen Vorhersage der Trajektorien aller Agenten der Umgebung mit dynamischem Lernen von Gewichten ADAPT vorstellen, die vorgeschlagen wurde, um Probleme im Bereich der Navigation von autonomen Fahrzeugen zu lösen. Diese Methode wurde zuerst in dem Artikel „ADAPT: Efficient Multi-Agent Trajectory Prediction with Adaptation“ vorgestellt.
Autor: Dmitriy Gizlyk