Non basta riconoscerli (i modelli), anche un essere umano può farlo).
Bisogna anche classificarli e capire cosa fare con loro
È risaputo che la correlazione e metodi simili non gestiscono accuratamente la corrispondenza delle serie temporali, e in alcuni casi non sono affatto accurati.
Recentemente, la computer vision è diventata molto diffusa. È usato principalmente per riconoscere le immagini, ad esempio i volti nelle foto. Per quanto ne so, questo metodo funziona molto accuratamente. Qualcuno ha esperienza nell'uso di queste librerie per il riconoscimento dei modelli? E usando le librerie in mql. Penso che il tema sia molto interessante in sé e dovrebbe essere sviluppato. Non ho ancora esperienza con esso, ma vorrei imparare.
Immagino che potrebbe essere ottimo per l'apprendimento automatico, la ricerca di modelli e altri compiti.
Una delle cose più divertenti - si può costruire in un bot la possibilità di rilevare un utente dalla sua faccia, se ha una fotocamera, e se è una persona diversa allora non permettere il commercio:)
Pruf http://opencv.org/
Suggerisco allora di andare oltre nel pensiero, immaginare che il meccanismo di riconoscimento sia già in atto e che funzioni nel terminale, tramite la stessa OpenCV.
E poi?
Onde Elliott e Wolf? Li abbiamo individuati con una certa precisione e poi? Poi torniamo alla robotica con SL, TP, TS
Suggerisco allora di andare oltre nel pensiero, immaginare che il meccanismo di riconoscimento sia già presente e funzioni nel terminale, attraverso la stessa OpenCV.
E poi?
Onde Elliott e Wolf? Li abbiamo individuati con una certa precisione e poi? Poi torniamo alla robotica con SL, TP, TS
Almeno una chiara e stabile identificazione dei luoghi "orribili" per le strategie. Per esempio, prima qualcosa fischia "così" e meglio è, possiamo fermare lo strato in controtendenza ed evitare perdite.
Uno scenario semplice - segnare le zone in perdita su un grafico storico (uno sviluppatore le conosce "a vista"), lanciare un tutorial e lo stesso OpenCV sta fissando il grafico senza sosta.
Ma non si può riscrivere... il riconoscimento dei modelli "out-of-the-box" non è progettato per la grafica. C'è ancora molta matematica che dovrebbe essere coinvolta
Suggerisco allora di andare oltre nel pensiero, immaginare che il meccanismo di riconoscimento sia già in atto e che funzioni nel terminale, tramite la stessa OpenCV.
E poi?
Onde Elliott e Wolf? Li abbiamo individuati con una certa precisione e poi? Poi torniamo alla robotica con SL, TP, TS
Signore, lei è completamente pazzo, ho già scritto che questo è un argomento strettamente focalizzato, per favore non lo disseminiamo di avanzi, perché come al solito, non si trova nulla sull'argomento a causa di persone come lei, che sono in anticipo sul cavallo. Le opzioni di applicazione sono varie e vanno oltre lo scopo dell'argomento.
Se hai qualcosa di specifico per questa biblioteca, vai avanti.
Ho già scritto che questo è un argomento strettamente focalizzato, non lo disseminiamo di avanzi, perché come al solito non si trova nulla sull'argomento a causa di persone come te che sono avanti nel gioco. Le opzioni di applicazione sono varie e vanno oltre lo scopo dell'argomento.
Se hai qualcosa di specifico su questa biblioteca - vai avanti.
E voi stessi state già lavorando con questo pacchetto? Scaricato, decompresso, sembra un mostro. Ci sono molti libri stampati sul sito, uno degli O'Raily è di oltre mille pagine!
Se state lavorando, con VS e quale versione? O con qualcos'altro?
C'è un documento sul sito, lo leggerò lentamente.
Stai già lavorando con questo pacchetto? L'ho scaricato, l'ho decompresso e sembra un mostro. Ci sono molti libri stampati sul sito, uno degli O'Raily di oltre mille pagine!
Se state lavorando, con VS e quale versione? O con qualcos'altro?
C'è un documento sul sito, lo leggerò lentamente.
Sto ancora cercando il lato giusto di questo mostro :) Sto cercando persone che ci hanno già lavorato.
Ho bisogno di formulare correttamente la sequenza di passi per implementare, per esempio, un confronto tra due modelli, e poi fare qualcosa
Il maggior progresso in questa direzione si ottiene con CNN (Reti Neurali Coerenti).
![Совсем не нейронные сети Совсем не нейронные сети](https://c.mql5.com/36/12/sovsem-ne-neyronnie-seti.png)
- habrahabr.ru
Grazie per il video, mi sono appassionato : )
Ma non è esattamente quello di cui abbiamo bisogno, ma è buono per l'educazione generale. Dobbiamo riconoscere (memorizzare, qualunque cosa) 2 modelli grafici e confrontarli per somiglianza. Questo è il primo compito con cui iniziare. Non sono sicuro che tu voglia allenare Neuronet.
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso
È risaputo che la correlazione e metodi simili non gestiscono accuratamente la corrispondenza delle serie temporali, e in alcuni casi non sono affatto accurati.
Recentemente, la computer vision è diventata molto diffusa. È usato principalmente per riconoscere le immagini, ad esempio i volti nelle foto. Per quanto ne so, questo metodo funziona molto accuratamente. Qualcuno ha esperienza nell'uso di queste librerie per il riconoscimento dei modelli? Bene, e usando le librerie in mql. Penso che il tema sia molto interessante in sé e dovrebbe essere sviluppato. Non ho ancora esperienza con esso, ma vorrei imparare.
Immagino che potrebbe essere ottimo per l'apprendimento automatico, la ricerca di modelli e altri compiti.
Cosa divertente - è possibile costruire in un bot la possibilità di rilevare un utente dalla sua faccia, se ha una fotocamera, e se è una persona diversa allora non permettere il commercio:)
Pruf http://opencv.org/