"New Neural" est un projet de moteur de réseau neuronal Open Source pour la plateforme MetaTrader 5. - page 70
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
Si quelqu'un est prêt à le faire, dites-moi de quoi il s'agit.
Combiner les approches de contrôle adaptatif et de chaos déterministe pour construire des systèmes de contrôle autonomes efficaces
Méthode de contrôle adaptatif autonome.
Automates logiques de contrôle adaptatif avec un nombre fini d'entrées
En bref, vous pouvez chercher ici http://www.aac-lab.com/rus/
Comment je me suis échappé à temps :)) ...
Merci pour la librairie :)
Comment je me suis échappé à temps :)) ...
Quel bon timing :)) ...
Merci pour la librairie :)
Pas pour faire de la publicité, mais pour une bonne cause :https://www.mql5.com/ru/code/712 est un analyseur Xml natif.
Je l'utilise depuis longtemps maintenant. J'ai corrigé tous mes bugs.
Pas pour faire de la publicité, mais pour une bonne cause :https://www.mql5.com/ru/code/712 - analyseur Xml natif
Je l'utilise depuis un moment maintenant et j'ai corrigé tous mes bugs.
Oui, je l'ai déjà téléchargé, mais je l'ai lancé, mais pas de réaction, je l'ai laissé pour plus tard pour le régler.
Je vais finir d'analyser la littérature sur les systèmes de contrôle adaptatif, puis je m'y mettrai.
Demain, je copierai depuis mon ordinateur de travail mon travail sur le stockage des prototypes de réseau, la mise en place des tâches de formation, le stockage des solutions trouvées ici.
? ??
Si vous lisez attentivement ce que j'ai écrit précédemment, vous aurez remarqué que dans mon modèle de réseau universel, le traitement lui-même est divisé en couches, et que les neurones sont combinés en couches, non pas formellement (par propriété), mais réellement (la couche a une mémoire et le neurone n'en a pas, le neurone ne doit être qu'une entité informationnelle qui informe la couche sur où et pourquoi). Ainsi, le parallélisme est défini par la structure même du moteur (les informations à l'intérieur de la couche sont traitées en parallèle). J'ai déjà fait des NS entraînés par GA et la plus grande perte de productivité était exactement sur le calcul des NS (surtout sur les grands réseaux). Et en tant qu'annonceur, je peux dire que pour l'UGA proposée par joo , apprendre la NS est un jeu d'enfant.
Mais si nous parvenons à paralléliser aussi les calculs de FF (et NS pour GA fait partie de FF), alors je ne suis que pour. Bien que je ne pense pas que ce sera une tâche simple, dans les couches sont faites des actions simples, et le calcul du FF peut impliquer une séquence assez complexe.
On peut s'arrêter là pour le moment, imho.
L'AG standard et le cloud permettraient de paralléliser le calcul des FF. Surtout Renat a promis :
Admin
2516
Parallèlement au développement d'un réseau neuronal, nous étendrons la fonctionnalité des agents pour prendre en charge les calculs mathématiques et l'échange de grands volumes (fichiers) de données.
Mais comme le dit le dicton, on ne peut pas tenir ses promesses pendant trois ans.
Donc, pour l'instant, vous pouvez optimiser l'algorithme joo spécifiquement pour les réseaux neuronaux, il fonctionnera encore plus vite. J'espère que ça ne dérangera pas Andrey.
? ??
a) désassembler XmlParser
b) https://www.mql5.com/ru/forum/4956/page32#comment_110831
Nous poursuivrons au fur et à mesure que nous recevrons d'autres questions.
a) désassembler XmlParser
b) https://www.mql5.com/ru/forum/4956/page32#comment_110831
Nous allons poursuivre en recevant d'autres questions
Puis-je avoir un petit exemple de son utilisation pour MT5 ?
Si nous considérons l'entraînement des neurones comme un micro-niveau (cycles de traitement des réseaux indépendants dans l'AG, calcul des neurones individuels d'un réseau, etc.) et un macro-niveau (l'ensemble du PF), alors il n'y a aucune question ni aucun problème avec le premier - tout est parfaitement parallèle et fonctionnera parfaitement sur GPU.
Mais il y a un problème au niveau macro. Tout d'abord, je soupçonne que ce n'est pas possible en raison des limitations de la quantité d'informations traitées par le GPU. Nous pourrions contourner ce problème en utilisant un testeur ordinaire et un nuage (chaque niveau macro sera transféré vers des agents distincts, où il sera traité au niveau micro - si l'hôte le permet bien sûr). Mais nous n'avons pas les outils pour contrôler le testeur de manière externe afin d'utiliser des GA externes.
Nous devrons donc nous limiter à l'accélération au niveau micro. L'accélération sera également très décente, puisque les maillages et les AG eux-mêmes regorgent de calculs indépendants les uns des autres.
Quant à l'UGA lui-même, si vous ne l'affinez pas pour OpenCL, vous n'avez pratiquement rien à améliorer (à moins que vous n'ayez quelques fragments de code, mais cela ne fera pas la différence grâce aux personnes impliquées dans le fil de discussion sur les algorithmes dans l'article). Vous pouvez seulement essayer de sélectionner les paramètres de l'UGA spécifiquement pour les réseaux de formation.