Discusión sobre el artículo "Tercera generación de neuroredes: "Neuroredes profundas""

[MetaQuotes]

Artículo publicado Tercera generación de neuroredes: "Neuroredes profundas":

El artículo está dedicado a una corriente nueva con muy buenas perspectivas en el aprendizaje automático, al así llamado "aprendizaje profundo" y más concretamente a las "neuroredes profundas". Se ha efectuado una breve panorámica de las neuroredes de 2 generación, sus arquitecturas de conexiones y tipos, métodos y normas de aprendizaje principales, así como de sus defectos más destacables. A continuacón se estudia la historia de la aparición y el desarrollo de las neuroredes de tercera generación, sus tipos principales, sus particularidades y métodos de aprendizaje. Se han realizado experimentos prácticos sobre la construcción y aprendizaje con datos reales de neurored profunda, iniciada con los pesos del auto-codificador acumulado. Se han estudiado todas las etapas, desde los datos de origen hasta la obtención de la métrica. En la última parte del artículo, se adjunta la implementación programática de una neurored profunda en forma de indicador-experto en MQL4/R.

En el artículo se estudiarán los conceptos básicos del tema "Aprendizaje profundo" (Deep Learning), "Red profunda" (Deep Network) sin exposiciones matemáticas complejas, como se dice, "de forma que lo entienda un niño".

Se realizarán experimentos con datos reales, que confirmarán (o no) las ventajas teóricas de las "redes profundas" con respecto a las "superficiales", mediante la determinación y comparación de métricas. La tarea a resolver es la clasificación. Crearemos un indicador y un experto que usen el modelo de red profunda y que funcionen conectados conforme al esquema cliente-servidor, además, los pondremos a prueba.

Se presupone que los lectores están familiarizados con los conceptos básicos del tema de las "Neuroredes". Dado que no se ha establecido aún una terminología en el tema del aprendizaje profundo, se recurrirá al inglés en los casos imprescindibles.

4. Implementación del programa (indicador y experto)

Vamos a pasar a la implementación de programa de un indicador y un experto que usan una red profunda para obtener señales comerciales.

Es posible la implementación en dos variantes:

• Primera. Todo el trabajo de entrenamiento de la neurored lo realizamos en Rstudio manualmente. Después de obtener resultados aceptables, guardamos la neurored en el catálogo correspondiente. Después iniciamos el experto y el indicador en el gráfico. El experto carga la red habitual. El indicador prepara el vector de nuevos datos de entrada en cada nueva barra y los transmite al experto. El experto presenta los datos de la neurored, recibe la señal y a continuación la ejecuta. El experto se ocupa de sus obligaciones habituales (abrir, cerrar órdenes, trailing, etcétera). La tarea del indicador es preparar y transmitir al experto los nuevos datos de entrada en cada barra nueva y, lo que es más importante, presentar en el gráfico las señales obtenidas de la neurored durante el pronóstico. El control visual, como ha demostrado la práctica, es el método más efectivo de valoración del funcionamiento de la red.
• Segunda. Iniciamos en el gráfico el experto y el indicador. En el primer inicio, el indicador transmite al experto un gran conjunto de datos de entrada y salida ya preparados. El experto inicia el entrenamiento, el testado y la elección de la mejor neurored. Después, el funcionamiento continúa según la primera variante.

Construimos la conexión indicador-experto según la primara variante. Un experto con el mínimo de "florituras".

¿Por qué de una forma tan complicada? Esta variante de ejecución da la posibilidad de conectar a un experto varios indicadores ubicados en varios símbolos/marcos temporales y trabajar con ellos de manera consecuente. Para ello, es necesario efectuar una pequeña modernización del experto. Pero sobre esto hablaremos más tarde.

Abajo presentamos el esquema de interacción del indicador y el experto:

Fig. 31. Esquema estructural de la interacción entre el indicador y el experto

Autor: Vladimir Perervenko