Вы хотите быстро проверить торговую идею, не тратя времени на программирование? Выберите в "Мастере MQL5" нужный тип торговых сигналов, подключите модули сопровождения позиций и управления капиталом - на этом вся работа закончена. Создайте свои реализации модулей или закажите их через сервис "Работа" - и комбинируйте новые модули с уже существующими.
LeCun, Y., Denker, J. S., Solla, S. A., Howard, R. E., Jackel, L. D.(1990). 最適な脳へのダメージ トゥーレツキーで、D．S.(Eds), Advances in Neural Information Processing Systems 2, NIPS*89, Morgan Kaufmann, Denver, CO, 598--605.
ハシビ、B.、ストーク、D.G., Wolff, G. J. (1993). 最適な脳外科医と一般的なネットワークの刈り込み。 Proc.IEEE Int.Conf.ニューラルNetworks, 1, 293--299.
In neuroscience, synaptic pruning, neuronal pruning or axon pruning refer to neurological regulatory processes, which facilitate changes in neural structure by reducing the overall number of neurons and synapses, leaving more efficient synaptic configurations. Pruning is a process that is a general feature of mammalian neurological development...
さあ、お手並み拝見です。
Sparse Netsにも強い関心を持っている。
そして、ファジーロジック関連のモデル--万歳！！ あるモデルの名前を思い出したので、ここに説明のリンクを貼って おきますね。塚本モデル。
____
これらは、うまく実装できれば、おそらくちょっとした爆弾発言になるのではないでしょうか。
TheXpert です。
...
そのためにはNSDT系のニューロパッケージレベルの製品でないと、ニアシリム。
...
残念))現在、どのようなレベルのユーザーにも最も適したプログラムです。Stocks & Commodities 誌のトレーダー意見調査による9年間のベスト分析ソフトランキングで1位を獲得。しかし、OpenSourceではかっこ悪すぎる。))
レナート 2011.10.18 00:45 #.
私は、どんなトレーダーでも最小限の努力で 使えるような、数種類のニューラルネットワークエンジンを開発するアイデアを持っています。
MQL5のソースコードで提供さ れ、端末の一部として配布される予定 です。
コードならどんな トレーダーでももう使えないと思います。トレーダー・プログラマーなら誰でも、そうです。MQL5ウィザードを 使ったトレーディングシステムにニューロネットを組み込むことは、どんなトレーダーにも適していると思いますが、その場合、ウィザードを大幅に変更する必要があるでしょうね。
この記事を読んで、少なくとも私は、すべてがいかに複雑であるかを理解し始めています)。
しかし、私は、フォーラムの別のセクションを求めることを提案し、すべての1つのトピックでは地獄です。積み重ねられた思考の保管庫としては問題ないのですが、いざ議論が始まると・・・。
参加したい人、公開しましょう。システムの個々の側面についてスレッドを立て、そのスレッドの管理者が議論しながら最初の投稿で最終決定をする。必要であれば、個別のスレッドなどで一般投票をアレンジしてください。
ところで、ブランチのすべてのページで、ピン留めされた記事（管理者が表示）の機能があれば、目の前に常に議論の要約のようなものが表示されるので、いいと思います。
生物学的な情報変換の手法に基づき、スパース性の原理を用いたニューラルネットワークが非常に有望であると考える理由を、興味のある方のために、何回かに分けて短いポストレクチャーで説明したいと思います。
講義1：ニューラルネットワークにおけるスパース性の生物学的基礎。
赤ちゃんの脳は、シナプス（神経細胞間の結合）を大量に作る段階を経て、思春期には結合を半分近くまで取り除く段階を迎えます。多くの科学者は、このシナプスの除去は、代謝の低下やホルモンの変化による脳のエネルギー消費を抑えるために必要であると推測している。シナプスの数が多いため、子どもの脳は多くの情報を記憶することができ、思春期までに外国語を習得するのが容易である理由もここにある。思春期までに接続の半分を取り除くと、脳は情報をよりよく要約することができるようになります。発達途上の思春期の脳のつながりの半分を取り除くメカニズムはまだわかっていない。代謝の変化により、シナプスを維持するために必要なバイオジェン（栄養物質）の量が減少し、その限られた量の中で、神経細胞の入力接続の間でその存在をめぐって競争が起こるという説が有力です。この競争は競合学習法によってモデル化され、ニューロンの入力重みの絶対値の合計か、それらの二乗の合計のどちらかが一定に保たれる。これらの方法は、自己学習型ネットワークに利用されています。教師支援型学習ネットワーク（直接伝播型ネットワークなど）では、通常、ニューロン入力重み間の競合は考慮されない。このようなネットワークでは、重みを学習させた後に、ニューロン間の接続を削除する。除去される重みは、最も小さい重みか、平均的な学習誤差にほとんど影響を与えない重みである。
参考文献
https://en.wikipedia.org/wiki/Synaptic_pruning
Huttenlocher, P. R. (1979).
ヒト前頭葉皮質におけるシナプス密度-発達的変化と加齢の影響
Brain Res., 163, 195--205.
ブライテンベルグ、V.、シュズ、A.(1998).
大脳皮質：ニューロン結合の統計と幾何学。
ベルリン：シュプリンガー
LeCun, Y., Denker, J. S., Solla, S. A., Howard, R. E., Jackel, L. D.(1990).
最適な脳へのダメージ
トゥーレツキーで、D．S.(Eds), Advances in Neural Information Processing Systems 2, NIPS*89, Morgan Kaufmann, Denver, CO, 598--605.
ハシビ、B.、ストーク、D.G., Wolff, G. J. (1993).
最適な脳外科医と一般的なネットワークの刈り込み。
Proc.IEEE Int.Conf.ニューラルNetworks, 1, 293--299.
ミラー、K D.、マッケイ、D.J.C.(1994).
ヘブ型学習における制約の役割。
Neural Computat., 6, 100--126.
ミラー・K・D(1996).
シナプスの経済学：シナプス可塑性における競争と協力。
Neuron, 17, 371--374.
もっとイマドキに。外部にいる専門コンサルタントが、あなたの要求を満たすことはまずないでしょう。予算があるのなら、何があっても、プロジェクト終了時に、メタ見積の主観的評価で、平等に、あるいは平等でないように分けた方が効率的です。
外部の専門家をサポートします。第一に、少なくとも2人（理想的にはそれ以上）が必要だと思われますし、第二に、少なくともここのフォーラムユーザーの2、3人がより適格であることは間違いないでしょう。
もっとシンプルにやってもいいんです。
このような状況では、特殊なものから一般的なものへ、普遍的なモデルへの抽象化を図ることになります。
1.実現しうるネットワーク（トポロジーとその教え方）を描く（紙面上＋マットモデルの言語化アルゴリズム）。
2.描画されたモデルの中から共通のドッキングポイントを見つけ、抽象的なエンジンクラスを作成する。
tol64 です。
コードだったら、どんな トレーダーでも使えなくなると思うんです。トレーダー・プログラマーなら誰でも、そうです。MQL5ウィザードで ニューロネットをトレーディングシステムに組み込むという選択肢もありますが、その場合、ウィザードを大幅に変更する必要があるかと思われます。
このトピックを読んで、少なくとも今、すべてがいかに複雑であるか理解し始めました))。
1.私の考えでは、まず第一に、トレーダー・プログラマー（あるいは単にMQLプログラマー）が必要な複雑さと機能を備えたニューラルネットワークを作成できる、強力で多用途なライブラリでなければならないでしょう。この段階では、少数のオブジェクトで構成されるコアライブラリを作る必要があると思います（ここでは最大限の抽象性と普遍性が重要です）。
2.第2段階では、ライブラリの機能をより詳しく、深く書く必要がある（ネットワークの種類、学習方法、トポロジーのバリエーションなどを決定するため）。
そして3つ目のステップでは、何を入力し、どのように学習させるかを決めなければならないと思います。
4.最後に、私が思うに、最も興味深いこと。MQと一緒に、ニューラルネットワークのテンプレートを作成し、そのすべての特性を一貫して指定できる「ニューラルネットワークウィザード」のようなものを開発するとよいでしょう。
素人目にはこのように見えるはずです。ウィザードを起動し、「このようなタイプのネットワーク、このような層、このようなニューロン、このような七面鳥のパラメータを処理（または単に情報の特定の流れを分析）、出力に特定の信号を得る」と指定します。
ウィザードの結果は、独立したモジュールとして使用できる、または既存のVISARDのEAテンプレートの開発に使用できるテンプレートであるべきです（少なくとも私には良いアイデアだと思われます）。
5.ウィザードによる専門家のテンプレート作成にニューラルネットワークを使用する質問であれば、ニューラルネットワークを追加できるフォームを提供する必要があります（複数可）。
この場合、ニューラルネットワークのパターンは、一定の場所（信号など）にあり、一定の条件を満たす必要があるだろう。
追記
この手法では、ニューラルネットワーク全体、単層（または単層の一部）、単ニューロンの「重要度」を定義するとよいでしょう。
しかし、私は、フォーラムの別のセクションを要求することを提案します、それは1つのスレッドにすべてのものを持つことは面倒です。積み重ねられた思考の集積地としてはいいのですが、いざ議論が始まると......。
これらのトリッキーなネットワークはすべて解決可能であり、最も重要なことは取引指向である)))そして、これは稼働中のEAへの統合を意味します。つまり、典型的なEAの多くでは、入力データの前処理や学習サンプルの準備など、多くの補助的なことをする必要はなく、システム化・自動化されるべきなのです。つまり、マスクを入力したい場合、まずマスクの値をいくつか生成し、次に予測値（例えば、いくつかのバーの価格の上昇）をいくつか生成し、それらをすべて正規化し、そしてネットワークを訓練する必要がないのである。
純粋に技術的な観点から見ると、次のようになります。入力ニューロンに対して、doubleを返す仮想関数 EnterDataがあります。インジケータを入力したりする場合は、この関数にすべて書き込むだけです。
出力ニューロンも同様に、何が予測されているかを計算するExitData関数です。
例えば、5本のバーの価格の変化を予測したい場合、私は関数
double ExitData(){。
return(Open[-5]-Open[0]) ;
}
または、ボラティリティを予測したい
double ExitData(){。
return(High[iHighest(...,5,-5)]-Low[iLowest(...,5,-5)]);
}
など
また、ネットワークオブジェクトのプロパティとして、学習期間とサンプル外を設定すること。そしてトレーニング後、サンプル外でのエクイティカーブの特性（例えばプロフィット・ファクター）を得ることができた
即ち
Net.StartTime=2005年
Net.FinishTime=2008年
Net.StartOutOfSamples=2009年
Net.FinishOutOfSamples=2011 year
Net.Teach。
Net.OutOfSamples;
if (Net.PFOutOfSamples>3) Print("Good");
あるいは、ネットワークが自ら取引するのではなく、例えばボラティリティを予測するのであれば、OutOutOfSamplesに対するネットワークの品質を評価する関数をユーザー自身が再定義する。
そして、テスターや最適化ツールを使って、最適なトポロジーを探したり、ネットワークの種類を選択したり、さまざまなことができるようになるのです