L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 585
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
Il est difficile d'évaluer un trading de cette manière, parce qu'il y a aussi une durée de transaction et des niveaux de stop-loss à ajouter à tout le reste, et il doit être ré-entraîné périodiquement... donc, dans l'ensemble, une honte :)
Oui, je l'ai vu depuis longtemps. Ce n'est pas trop grave en soi, mais la nébulosité n'est pas très adaptée à la construction du TS.
vous pouvez vendre des signaux:)) accès via api, si le modèle est cool
S'asseoir. Lire un pdf de la monographie du MoD. Citation :
Il s'avère qu'il n'y a pas besoin de twitch non plus, le NS semble être la meilleure option.
S'asseoir. Lire un pdf de la monographie du MoD. Citation :
Il s'avère qu'il n'y a pas besoin de twitch non plus, le NS semble être la meilleure option.
Et j'ai lu Haykin et regardé en parallèle
le film est atmosphérique... qu'est-ce qui va gagner à la fin ? la vie protéique ou la vie artificielle, ou est-ce que quelque chose entre les deux sera créé ? :)
À propos, certaines sources affirment que le NN probabiliste est en vogue ces jours-ci. Mon ami a chuchoté... mais il les connaît bien, il participe aux concours de Google.
Et j'ai lu Heikin et regardé
le film est atmosphérique... qu'est-ce qui va gagner à la fin ? la vie protéique ou la vie artificielle, ou est-ce que quelque chose entre les deux sera créé ? :)
À propos, certaines sources affirment que le NN probabiliste est en vogue ces jours-ci. C'est mon ami qui le dit... mais il en sait beaucoup, il participe aux concours de Google.
Hier, j'ai découvert le NN convolutif - généralement utilisé pour la reconnaissance d'images. Naturellement, il y a tous les services publics - formation, etc. Conçu pour être utilisé en Python.
Il y a aussi des récurrences, mais ce n'est pas encore très intéressant.
Comme le réseau convolutif n'est pas entièrement maillé, nous pouvons augmenter considérablement le nombre de neurones sans perte de performance. Mais je dois comprendre tous les détails, je ne suis pas encore entré dans les détails.
Description populaire -https://geektimes.ru/post/74326/Hier, j'ai trouvé une convolution NS - normalement utilisée pour la reconnaissance d'images. Naturellement, il y a tous les services publics - formation, etc. Conçu pour être utilisé en Python.
Il y a aussi des récurrences, mais ce n'est pas encore très intéressant.
Comme le réseau convolutif n'est pas entièrement maillé, nous pouvons augmenter considérablement le nombre de neurones sans perte de performance. Mais je dois encore entrer dans les détails - je n'y suis pas encore entré.
Description populaire -https://geektimes.ru/post/74326/Eh bien, c'est profond, ils sont principalement utilisés pour les images et la vision par ordinateur. Il faut beaucoup d'exemples et de couches pour que cela fonctionne. L'architecture elle-même copie le système visuel
Essayez les PNN de Python, ils sont plus adaptés à la prédiction de séries temporelles.
https://habrahabr.ru/post/276355/
Eh bien, c'est l'arrière-boutique, ils sont principalement utilisés pour les images et la vision par ordinateur. Il faut beaucoup d'exemples et de couches pour que cela fonctionne. L'architecture elle-même copie le système visuel
Cherchez plutôt les équivalents python de PNN, qui me semblent plus pertinents pour prédire des séries temporelles.
https://habrahabr.ru/post/276355/
Encore une fois, je ne prédis rien. Je n'ai qu'une classification.
Cela fait longtemps que je cherche un réseau incomplet. Le MLP, c'est bien, mais là, toutes les entrées vont à chaque neurone en même temps. Ah, c'est exactement ce dont nous avons besoin, pour que seules 5-6 entrées décalées aillent à un neurone, et c'est le NS convolutif.
Il n'y a rien de compliqué ici, et vous n'avez besoin que de 100-150 neurones, la structure est donc simple et rapide comme le MLP avec 60 neurones, en raison du nombre réduit d'entrées des neurones.
Encore une fois, je ne prédis rien. Je n'ai qu'une classification.
Cela fait longtemps que je cherche un réseau incomplet. Le MLP est très bien, mais toutes les entrées vont à chaque neurone en même temps. Ah, c'est exactement ce dont nous avons besoin, pour que seules 5-6 entrées décalées aillent à un neurone, et c'est le NS convolutif.
Il n'y a rien de compliqué ici, et nous n'avons besoin que de 100-150 neurones, donc la structure est simple, et la vitesse sera comme celle du MLP avec 60 neurones, au détriment d'un plus petit nombre d'entrées des neurones.
Eh bien, il y a un classificateur, et qu'est-ce qui vous empêche de chercher un classificateur incomplet. C'est comme ça que je l'aime, par exemple :
ce livre sera rempli de captures d'écran :)
Encore une fois, je ne prédis rien. Je n'ai qu'une classification.
Cela fait longtemps que je cherche un réseau incomplet. Le MLP est très bien, mais toutes les entrées vont à chaque neurone en même temps. Ah, c'est exactement ce dont nous avons besoin, pour que seules 5-6 entrées décalées aillent à un neurone, et c'est le NS convolutif.
Il n'y a rien de compliqué ici, et nous n'avons besoin que de 100-150 neurones, donc la structure est simple, et la vitesse sera similaire à celle d'un MLP avec 60 neurones, en raison d'un plus petit nombre d'entrées des neurones.
L'idée d'utiliser des couches convolutives mijote depuis longtemps. Je pense qu'ils peuvent donner de bons résultats.
Mais ne jetez pas le perseptron multicouche. Les réseaux convergents n'apprennent rien par eux-mêmes, ils fournissent simplement une image compacte des informations d'entrée.
Il y a un classificateur, alors qu'est-ce qui vous empêche de chercher un classificateur incomplet.