Artificial intelligence is often associated with something fantastically complex and incomprehensible. At the same time, artificial intelligence is increasingly mentioned in everyday life. News about achievements related to the use of neural networks often appear in different media. The purpose of this article is to show that anyone can easily create a neural network and use the AI achievements in trading.
우리는 외환 시장에서 패턴을 찾는 것을 목표로 머신 러닝을 사용하는 다양한 접근 방식을 열심히 연구해 왔습니다. 모델을 훈련하고 구현하는 방법을 이미 알고 있습니다. 그러나 거래에는 많은 접근 방식이 있으며 거의 모든 접근 방식은 최신 기계 학습 알고리즘을 적용하여 개선할 수 있습니다. 가장 인기 있는 알고리즘 중 하나는 그리드 및/또는 마틴게일입니다. 이 기사를 쓰기 전에 인터넷에서 관련 정보를 검색하면서 약간의 탐색적 분석을 했습니다. 놀랍게도 이 접근 방식은 글로벌 네트워크에서 거의 또는 전혀 적용되지 않습니다. 커뮤니티 회원들 사이에서 그러한 솔루션의 전망에 대해 약간의 설문 조사가 있었고 대다수는 이 주제에 접근하는 방법조차 모른다고 대답했지만 아이디어 자체는 흥미롭게 들렸습니다. 그러나 아이디어 자체는 매우 간단해 보입니다.
두 가지 목적으로 일련의 실험을 수행해 보겠습니다. 먼저, 이것이 언뜻 보기에 그렇게 어렵지 않다는 것을 증명하려고 노력할 것입니다. 둘째, 우리는 이 접근 방식이 적용 가능하고 효과적인지 알아보려고 노력할 것입니다.
Since the beginning of this series of articles, we have already made a big progress in studying various neural network models. But the learning process was always performed without our participation. At the same time, there is always a desire to somehow help the neural network to improve training results, which can also be referred to as the convergence of the neural network. In this article we will consider one of such methods entitled Dropout.
In the previous article, we started considering methods aimed at increasing the convergence of neural networks and got acquainted with the Dropout method, which is used to reduce the co-adaptation of features. Let us continue this topic and get acquainted with the methods of normalization.
In the previous article, we started considering methods aimed at improving neural network training quality. In this article, we will continue this topic and will consider another approach — batch data normalization.
머신 러닝이 최근 인기를 얻으면서 많은 사람들이 딥 러닝에 대해 들어보았고 이를 MQL 언어로 적용하는 방법을 알고 싶어합니다. 활성화 기능이 있는 인공 뉴런의 간단한 구현을 보았지만 실제 심층 신경망을 구현하는 것은 없습니다. 이 기사에서는 은닉층을 위한 쌍곡탄젠트 함수와 출력층을 위한 Softmax 함수와 같은 다양한 활성화 함수를 사용하여 MQL 언어로 구현된 심층 신경망을 소개합니다. Deep Neural Network를 완전히 형성하기 위해 첫 번째 단계부터 끝까지 이동합니다.
안녕하세요 Sergey Golubev: 즐거운 휴일 보내시기 바랍니다. 귀하의 기사와 참고 자료를 많이 읽었습니다. 신경망으로 작업한 경험이 있는 프로그래머를 알고 있습니까? 저는 3개의 지표를 사용하는데, 정렬하면 매우 수익성이 있습니다!!, 어떤 정보라도 대단히 감사합니다, 포옹!
거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼
신경망을 다음 단계로 끌어올리기
세르게이 골루베프 , 2021.04.13 10:14
Grid 및 Martingale 거래 시스템의 기계 학습. 당신은 그것에 내기를 하시겠습니까? - MT5
우리는 외환 시장에서 패턴을 찾는 것을 목표로 머신 러닝을 사용하는 다양한 접근 방식을 열심히 연구해 왔습니다. 모델을 훈련하고 구현하는 방법을 이미 알고 있습니다. 그러나 거래에는 많은 접근 방식이 있으며 거의 모든 접근 방식은 최신 기계 학습 알고리즘을 적용하여 개선할 수 있습니다. 가장 인기 있는 알고리즘 중 하나는 그리드 및/또는 마틴게일입니다. 이 기사를 쓰기 전에 인터넷에서 관련 정보를 검색하면서 약간의 탐색적 분석을 했습니다. 놀랍게도 이 접근 방식은 글로벌 네트워크에서 거의 또는 전혀 적용되지 않습니다. 커뮤니티 회원들 사이에서 그러한 솔루션의 전망에 대해 약간의 설문 조사가 있었고 대다수는 이 주제에 접근하는 방법조차 모른다고 대답했지만 아이디어 자체는 흥미롭게 들렸습니다. 그러나 아이디어 자체는 매우 간단해 보입니다.
두 가지 목적으로 일련의 실험을 수행해 보겠습니다. 먼저, 이것이 언뜻 보기에 그렇게 어렵지 않다는 것을 증명하려고 노력할 것입니다. 둘째, 우리는 이 접근 방식이 적용 가능하고 효과적인지 알아보려고 노력할 것입니다.
쉬워진 신경망(파트 12): 드롭아웃
Since the beginning of this series of articles, we have already made a big progress in studying various neural network models. But the learning process was always performed without our participation. At the same time, there is always a desire to somehow help the neural network to improve training results, which can also be referred to as the convergence of the neural network. In this article we will consider one of such methods entitled Dropout.
내용물
쉬워진 신경망(13부): 배치 정규화
In the previous article, we started considering methods aimed at increasing the convergence of neural networks and got acquainted with the Dropout method, which is used to reduce the co-adaptation of features. Let us continue this topic and get acquainted with the methods of normalization.
거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼
신경망을 다음 단계로 끌어올리기
세르게이 골루베프 , 2021.10.20 11:21
MQL 언어를 사용하여 처음부터 심층 신경망 프로그래밍