Artículos
Neuroredes profundas (Parte VIII). Aumentando la calidad de la clasificación de los conjuntos bagging para MetaTrader 5
En el artículo se analizan tres métodos con cuya ayuda podemos aumentar la calidad de clasificación de los conjuntos bagging y valorar su efectividad. Se ha evaluado cómo influye la optimización de los hiperparámetros de las redes neuronales ELM y los parámetros de post-procesado en la calidad de
Neuroredes profundas (Parte VII). Conjunto de neuroredes: stacking para MetaTrader 5
Continuamos construyendo conjuntos. Ahora vamos a añadir al conjunto bagging creado anteriormente un combinador entrenable: una red neuronal profunda. Una red neuronal combina las mejores 7 salidas del conjunto después de la poda. La segunda recibe en la entrada las 500 salidas del conjunto, las
Neuroredes profundas (Parte VI). Conjunto de clasificadores de redes neuronales: bagging para MetaTrader 5
Vamos a ver los métodos de construcción y entrenamiento de conjuntos de redes neuronales con la estructura bagging. También vamos a definir las peculiaridades de la optimización de los hiperparámetros de los clasificadores de redes neuronales individuales que componen el conjunto. Asimismo
Neuroredes profundas (Parte V). Optimización bayesiana de los hiperparámetros de las DNN para MetaTrader 5
En el artículo se analizan las posibilidades de la optimización bayesiana de los hiperparámetros de las neuroredes profundas obtenidas con diferentes formas de entrenamiento. Se compara la calidad de la clasificación de las DNN con los hiperparámetros óptimos en diferentes variedades de
Neuroredes profundas (Parte IV). Creación, entrenamiento y simulación de un modelo de neurored para MetaTrader 5
En el artículo se analizan las nuevas posibilidades del paquete darch (v.0.12.0). Se describen los resultados del entrenamiento de una red neuronal profunda con diferentes tipos de datos, estructura y secuencia de entrenamiento. También se analizan los resultados
Neuroredes profundas (Parte III). Selección de ejemplos y reducción de dimensiones para MetaTrader 5
Este artículo continúa la serie de publicaciones sobre las neuroredes profundas. Vamos a analizar la selección de ejemplos (eliminación de ruidos), la reducción de los datos de entrada y la división del conjunto en train/val/test durante la preparación de los datos
Neuroredes profundas (Parte II). Desarrollo y selección de predictores para MetaTrader 5
En este segundo artículo de la serie sobre redes neuronales profundas se analizarán la transformación y la selección en el proceso de preparación de los datos para el entrenamiento del modelo
Neuroredes profundas (Parte I). Preparación de datos para MetaTrader 5
Esta serie de artículos continúa y desarrolla el tema de las neuroredes profundas (DNN), que ha sido incluidas en los últimos tiempos en muchas áreas aplicadas, incluyendo el trading. Se analizan las corrientes de dicho tema, comprobándose con experimentos prácticos los nuevos métodos e ideas. El
Optimización propia de EA: algoritmos genéticos y evolutivos para MetaTrader 5
Este artículo cubre los principales principios establecidos en los algoritmos evolutivos, su variedad y características. Llevamos a cabo un experimento con un simple Asesor Experto utilizado como ejemplo para mostrar cómo nuestro sistema de trading se beneficia de la optimización. Consideramos los
Red neuronal profunda con Stacked RBM. Auto-aprendizaje, auto-control para MetaTrader 4
El artículo es la continuación de artículos anteriores sobre neuroredes profundas y elección de predictores. En este veremos las particularidades de una neurored iniciada con Stacked RBM, así como su implementación en el paquete "darch"
Foro
¿Qué te parece el chiste del oro?
EE.UU. se prepara para detener las cotizaciones de los metales preciosos y fijar el tipo de cambio oficial del dólar 29.12.14 17:10 Economía Fuente: Los Estados Unidos preparan el fin de la cotización de los metales preciosos y verifican el curso oficial del dólar A partir del 22 de diciembre de