L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 338
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je ne comprends pas votre idée (
ce n'est pas mon idée, c'est le principe de l'enseignement de la NS avec un professeur
ce n'est pas mon idée, c'est le principe de l'enseignement de la NS avec un professeur
Je suis d'accord, vous pouvez former des réseaux plus complexes de cette façon. Mais dans cet exemple, il y a une formation basée sur les résultats du trading dans le testeur, sans vos propres instructions sur l'endroit où trader. En d'autres termes, il ne s'agit pas de formation, mais d'optimisation pour un profit maximal. C'est-à-dire qu'il ne s'agit pas exactement d'un neuronet mais plutôt d'un Expert Advisor avec pondération des valeurs des indicateurs.
Si nous revenons à l'apprentissage pour cet exemple précis, il y a 1 sortie dans le code, si elle est > 0,5 alors nous achetons, si elle est <0,5 alors nous vendons. Où dois-je joindre la réponse 0/1 donnée par le professeur ? Et qu'en faire ?
Je suis d'accord, vous pouvez former des réseaux plus complexes de cette façon. Mais dans cet exemple, il y a une formation basée sur les résultats du trading dans le testeur, sans vos propres instructions sur l'endroit où trader. En d'autres termes, il ne s'agit pas de formation, mais d'optimisation pour un profit maximal. C'est-à-dire qu'il ne s'agit pas exactement d'un neuronet mais plutôt d'un Expert Advisor avec pondération des valeurs des indicateurs.
Si nous revenons à l'apprentissage pour cet exemple précis, il y a 1 sortie dans le code, si elle est > 0,5 alors nous achetons, si elle est <0,5 alors nous vendons. Où dois-je joindre la réponse 0/1 donnée par le professeur ? Et qu'est-ce que je dois en faire ?
c'est là qu'il faut intervenir au moment de la formation, et après la formation, la sortie sera une prédiction.
Oh, je vois, c'est juste un neurone qui renvoie un résultat sigmoïde.
alors pas question
et le visser au moment de la formation, et après la formation, la sortie sera une prédiction
Oh, je vois, c'est juste un neurone) qui produit un résultat sigmoïde.
alors pas question
Dommage.
Et d'autres réseaux neuronaux compteront sur un seul noyau, ce qui prendra beaucoup plus de temps.
Et dans l'exemple pour 10 entrées, on obtient 1,6 *1013 passages. Seule la génétique permet de gagner du temps. Je ne peux même pas imaginer le nombre de fois qu'il faudra pour compter pleinement sur un 1-core. Et si nous multiplions jusqu'à 100 entrées, il sera probablement impossible de calculer.
Combien de temps vous a-t-il fallu pour former le réseau et pour combien d'entrées/neurones ?
Triste(
Et d'autres réseaux neuronaux ne compteraient alors que sur un seul cœur, ce qui prendrait beaucoup plus de temps.
Et dans cet exemple, pour 10 entrées, on obtient 1,6 *1013 passages. Seule la génétique permet de gagner du temps. Je ne peux même pas imaginer combien de temps il faudrait pour calculer cette valeur pour le 1er noyau. Et si nous multiplions les entrées jusqu'à 100, il sera probablement impossible de les calculer.
Combien de temps a-t-il fallu pour former votre réseau, et pour combien d'entrées/neurones ?
Cela dépend principalement de la quantité d'historique (exemples de formation), de quelques minutes à l'infini) sur 1-core pour calculer une grille complexe n'est pas une option, je suis d'accord
mais une telle grille n'est possible que sur les GPU.
Que pensez-vous de Chaos Hunter ? Donnez-moi un lien spécifique
Voici le lien
il est intéressant de noter que je n'ai jamais vu de bibliothèque gratuite avec une implémentation similaire de la programmation génétique... tous ne sont que des filets nets nets....
Voici le lien
il est intéressant de noter que je n'ai jamais vu de bibliothèque gratuite avec une implémentation similaire de la programmation génétique... toutes ne sont que des réseaux.....
Je ne sais pas ce qu'est la programmation génétique, mais il existe des algorithmes d'optimisation génétique partout - de MT5 à SciLab et ScyPy. Je ne sais pas ce que sont les algorithmes génétiques, mais ils sont partout.
Il est clair que les algorithmes génétiques sont partout..... mais ce n'est pas la même chose bien que le principe soit similaire...
Dans les algorithmes génétiques, le programme lui-même reste inchangé tandis que tous ses paramètres subissent une évolution, croisant mutation, sélection, etc.
La programmation génétique évolue également, mais les algorithmes eux-mêmes, les programmes, sont élaborés à partir des données disponibles et en utilisant les symboles mathématiques + - / * cos sin etc. selon une fonction donnée...
Si vous donnez un ensemble de chandeliers de clôture pour une période n et des données stochastiques et de pente de régression, cette méthode va multiplier, diviser et ajouter ces données de manière aléatoire par toutes les combinaisons possibles, formant progressivement une certaine formule mathématique qui correspond à la fonction de recherche...
On a donc réglé les grilles, alors maintenant on fait des remises :
http://www.nvidia.ru/object/ai-accelerated-analytics-ru.html
Pourquoi utilise-t-on une sigmoïde pour calculer un neurone ? N'est-il pas préférable d'avoir une distribution linéaire (de zéro au nombre d'entrées) ? Après tout, "la fonction a une forme lisse sur l'intervalle [-5,5]" ?
C'est bien s'il n'y a que 5 entrées, mais qu'en est-il s'il y en a une centaine ? Alors pratiquement toutes les valeurs seront en dehors de ce segment. L'article https://www.mql5.com/ru/articles/497 applique un facteur supplémentaire pour tenir compte de 10 entrées. Il faudrait donc recalculer ce coefficient pour chaque réseau.