"New Neural" est un projet de moteur de réseau neuronal Open Source pour la plateforme MetaTrader 5. - page 77
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
La tâche consiste à trouver un vecteur qui diviserait le marché en groupes de tendance à la hausse, à la baisse et à l'est.
Par exemple, formons un tableau de vecteurs selon notre fantaisie X{x1,x2,x3,x4,x5,x6,x7}.
x1= période MA
x2= période de MA
x3= valeur de MA
x4= valeur du RAR
x5=dispersion, par ex.
x6= composante de tendance de MA(N)-MA(N-1)
x7=nombre d'intersections de la MA et du prix
Si nous regroupons le tableau de ces vecteurs en utilisant la carte de Kohonen, nous verrons des vecteurs proches. Il s'avère que les x1,x2,x4, x7 auront la plus grande influence sur les distances euclidiennes. Bien que les caractéristiques x3, x5 et x6 ne soient pas moins importantes, sinon plus. Nous pouvons normaliser tous les x dans l'intervalle -1...1, mais je ne vois pas comment. Ou bien nous pouvons prendre des caractéristiques du marché qui sont proches les unes des autres, dans ce cas nous obtenons une comparaison des mouches avec les escalopes.
Les vecteurs seront proches de :
X1{10,13,26,12,42,48,98} et
X2{11,12,27,14,43,46,88} et le vecteur X3 sera dans un autre cluster
X3{101,12,27,14,43,46,88}
bien que ce ne soit pas un fait, c'est moi qui ai montré comment les clusters seraient séparés par la distance de Hamming, à quoi ressembleraient les paramètres des vecteurs s'ils étaient séparés par "Trend Veer, Trend Down, Trend Lateral" on FF sait :)
J'ai tout compris. Je ne peux pas me passer du rationnement. Supposons que trois vecteurs
Х1 {10,10,0.1}
Х2 {11,10,0.3}
X3 {10,12,-0.2} Il semble que les trois vecteurs appartiennent au même groupe.
Dans l'échantillon d'apprentissage, x1= min 0 max 20, x2= min -10 max 40 x3= min -0,5 max 0,5 Normalisons maintenant les vecteurs initiaux.
Х1 {0.5, 0.2, 0.1}
Х2 {0.55, 0.2, 0.3}
X3 {0.5 , 0.24, -0.2} sont différents, nous pouvons normaliser ces vecteurs à un vecteur unitaire, mais cela ne sera pas nécessaire. Je pense que ça devrait marcher.
J'ai tout compris. On ne peut pas se passer du rationnement...
En principe, tout est correct, on ne peut pas se passer de la normalisation, sinon il faudrait chercher des poids dans une fourchette très large (c'est-à-dire transférer la question de la normalisation aux épaules de la grille). Mais n'oubliez pas que la répartition en clusters n'est pas basée sur la proximité directe des vecteurs d'entrée, mais sur des coefficients de pondération. Il peut arriver que deux vecteurs situés à proximité l'un de l'autre (par des paramètres) soient dans des clusters différents et que les vecteurs éloignés soient dans le même cluster. Tout dépend du FF.
Je me demande si je dois écrire une dll pour travailler avec CUDA ou attendre, j'ai un autre thème GPU en plus de neuro.
Renat, comment se passe l'intégration d'OpenCL et du stockage dans ME ?
Je me demande si je dois écrire une dll pour travailler avec CUDA ou attendre, j'ai un autre thème GPU en plus de neuro.
OpenCL en version bêta est en cours de développement, le référentiel est également en version bêta.
Dans la prochaine version, la semaine prochaine, nous allons inclure le marché et peut-être le stockage dans l'éditeur.
OpenCL en version bêta - en cours de développement...
La construction de la semaine prochaine inclura le marché et peut-être le stockage dans l'éditeur.
Version bêta ou complète ?
Le marché est complet.