Discusión sobre el artículo "Redes neuronales: así de sencillo (Parte 74): Predicción de trayectorias con adaptación"
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Artículo publicado Redes neuronales: así de sencillo (Parte 74): Predicción de trayectorias con adaptación:
Este artículo presenta un método bastante eficaz de previsión de trayectorias de múltiples agentes, capaz de adaptarse a diversas condiciones ambientales.
La elaboración de una estrategia de negociación es inseparable del análisis de la situación del mercado y de la previsión del movimiento más probable de un instrumento financiero. Este movimiento suele estar correlacionado con otros activos financieros e indicadores macroeconómicos. Esto puede compararse con el movimiento del transporte, donde cada vehículo sigue su propio destino individual. Sin embargo, sus acciones en la carretera están interconectadas hasta cierto punto y están estrictamente reguladas por las normas de tráfico. Además, debido a la percepción individual de la situación de la carretera por parte de los conductores de vehículos, sigue habiendo una parte de estocasticidad en las carreteras.
Del mismo modo, en el mundo de las finanzas, la formación de precios está sujeta a ciertas reglas. Sin embargo, la estocasticidad de la oferta y la demanda creada por los participantes en el mercado conduce a la estocasticidad del precio. Quizá por eso muchos métodos de previsión de trayectorias utilizados en el campo de la navegación dan buenos resultados a la hora de predecir futuros movimientos de precios.
En este artículo quiero presentaros un método para predecir conjuntamente de forma efectiva las trayectorias de todos los agentes en la escena con aprendizaje dinámico de pesos ADAPT, que fue propuesto para resolver problemas en el campo de la navegación de vehículos autónomos. El método se presentó por primera vez en el artículo "ADAPT: Efficient Multi-Agent Trajectory Prediction with Adaptation".
Autor: Dmitriy Gizlyk