"New Neural" es un proyecto de motor de red neuronal de código abierto para la plataforma MetaTrader 5. - página 37
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Meta EngiNeuro (MEN) (c)
somos ingenieros :)
Meta EngiNeuro (MEN) (c)
así que somos ingenieros :)
Mierda. Meta ya no es el cateto de tal nombre...
EngiNeuro -- eso es bueno (pulgares arriba)
EngiNeuroSolution ?
Enjin y Solution no se superponen, es esencialmente la misma cosa aquí
Vladimir Tengo una pregunta un poco lateral,
¿cuántas iteraciones (aproximadas) de pases de aprendizaje se necesitan para entrenar las redes mencionadas?
ZS al menos el orden de magnitud.
¿cuántas iteraciones (aproximadas) de FF se necesitan para entrenar las redes mencionadas?
¿Qué es FF?
Función de aptitud, no lo expresé correctamente, FF es en GA, en el algoritmo de aprendizaje de red es cuántos pases de entrenamiento.
Si no hay ejemplos de entrenamiento (entrada-salida) entonces el paralelo con GA FF es sencillo, tanto allí como allí hay que hacer un cálculo directo de la rejilla y luego posiblemente hacer un postprocesamiento para comprobar el valor a través de la función de comercio.
Sobre el logotipo. Es como las bolas-nodos con conexiones, pero creo que es una tontería. Podríamos tomar los rompecabezas, por ejemplo, eliminar el atajo, cambiar los colores a los de Metakvot
, etc.
Al menos los rompecabezas tienen algún tipo de integración e interconexión.
Vladimir Tengo una pregunta un poco lateral,
¿cuántas iteraciones (aproximadas) de pases de aprendizaje se necesitan para entrenar las redes mencionadas?
ZS al menos el orden de magnitud.
Los filtros se entrenan sin profesor presentando 10000-40000 secciones de la historia seleccionadas al azar (el mismo número de iteraciones). El aprendizaje es muy rápido. Dependiendo del ordenador, se entrenan 10000 filtros en 20000 secciones de historia desde 1-2 minutos en 360 procesadores GPU CUDA, alrededor de 1 hora en 4 procesadores Intel con 16 pistas, 3-4 horas en mi portátil con un procesador y dos pistas. Sin embargo, el tiempo no importa realmente aquí. Incluso si necesito uno o dos días para este entrenamiento de filtros, sólo se hace una vez para cada cotización (EURUSD, USDJPY, etc.). Una vez entrenados los filtros, no cambian y se utilizan para filtrar nuevos precios. El filtrado en sí es muy rápido: consideramos la suma de los productos de los coeficientes del precio y del filtro.
Por cierto, te preguntarás por qué hay tantos filtros, 10.000. He citado datos de mi propio proyecto de reconocimiento de imágenes. Para las cotizaciones habrá muchos menos filtros, quizá entre 10 y 100, cuanto menos mejor. He aquí una analogía aproximada. La cita es un discurso. Los filtros son los fonemas que componen las palabras. Hay 43 fonemas en ruso(https://ru.wikipedia.org/wiki/%D0%A4%D0%BE%D0%BD%D0%B5%D0%BC%D0%B0). Nuestra tarea es encontrar un libro de fonemas para citar.