Обсуждение статьи "Нейросети — это просто (Часть 3): Сверточные сети"
Проделана огромная работа. Затрачено, уверен, море времени. Цель какая этой серии статей?
Если упражнение в программировании на МКЛ5 - понятно, нужно. Каждый может попробовать что это за зверь. К сожалению многие могут разочароваться низкими результатами Ваших реализаций и отказаться от дальнейшего поиска в этой области.
В практическом плане время обучения больше 2 часов(!) неприемлемо. Для этого разработаны море программ на различных языках, различными крупными организациями. Только применяй правильно.
Удачи
Проделана огромная работа. Затрачено, уверен, море времени. Цель какая этой серии статей?
Если упражнение в программировании на МКЛ5 - понятно, нужно. Каждый может попробовать что это за зверь. К сожалению многие могут разочароваться низкими результатами Ваших реализаций и отказаться от дальнейшего поиска в этой области.
В практическом плане время обучения больше 2 часов(!) неприемлемо. Для этого разработаны море программ на различных языках, различными крупными организациями. Только применяй правильно.
Удачи
Добрый день, Владимир.
Цель статей - продемонстрировать возможности и дать инструмент всем желающим для построения своих программ.
Обучение одной эпохи больше 2 часов еще и без использования многопоточности видеокарт - это вполне приемлемый результат. На практике обучается нейронная сеть на подготовленных данных, а работаем на реальных данных с отработкой одного текущего состояния за доли секунд.
Согласен, в примерах показан низкий результат, но перед статьей и не ставилась цель дать всем желающим готовый советник с некой доходностью. Для этого помимо самого инструмента необходима длительная работа по архитектуре нейронной сети, сопровождающаяся рядом эскпериментов с различными архитектурами нейронных сетей.
там получается не 2 часа, а 2 дня :)
а размер выборки какой? сколько признаков и кол-во сэмплов
там получается не 2 часа, а 2 дня :)
а размер выборки какой? сколько признаков и кол-во сэмплов
Выборка 12453 свечи (H1 за 2 года). На вход сети подается информация за 20 свечей по 12 признаков на свечу. Время обучения одной эпохи 2-2,5 часа.
Hi Dimitriy!
Thanks for this series of articles about Neural Networks! I really enjoy reading these articles (by google translation into English) as I have also implemented Neural Networks with back-propagation and different techniques of optimization (such as Adam, RMSprop, etc.) in MQL5 language. To be honest, the MQL5 language is too slow for training non-toy problems but such implementations are still valuable. Despite the educational aspect of implementing Neural Networks, we notice that we are not limited to MQL5 programming language to train a network. We can use high performance packages to train a network and then transfer the weights (and other hyper-parameters) into our MQL5 programs to test and trade live. Please continue publishing your good work! :)
Best regards, Rasoul
Hi Dimitriy!
Thanks for this series of articles about Neural Networks! I really enjoy reading these articles (by google translation into English) as I have also implemented Neural Networks with back-propagation and different techniques of optimization (such as Adam, RMSprop, etc.) in MQL5 language. To be honest, the MQL5 language is too slow for training non-toy problems but such implementations are still valuable. Despite the educational aspect of implementing Neural Networks, we notice that we are not limited to MQL5 programming language to train a network. We can use high performance packages to train a network and then transfer the weights (and other hyper-parameters) into our MQL5 programs to test and trade live. Please continue publishing your good work! :)
Best regards, Rasoul
Thanks.
Статья безусловно интересная. Особенно, в плане того, что всё реализовано на MQL и не требуется библиотек. Надеюсь, что будет продолжение. К сожалению, тестирование советника, пока не дало положительных результатов.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Нейросети — это просто (Часть 3): Сверточные сети:
Продолжая тему нейронных сетей, предлагаю рассмотреть сверточные нейронные сети. Данный тип нейронных сетей был разработан для поиска объектов на изображении. Рассмотрим, как он может нам помочь в работе на финансовых рынках.
Тестирование проводилось на паре EURUSD период H1. В одном терминале на разных графиках одного инструмента одновременно было запущено 2 советника: со сверточной и полносвязной нейронной сетью. Параметры полносвязных слоев сверточной нейронной сети аналогичны полносвязной сети второго советника, т. е. к ранее построенной сети мы только добавили сверточный и подвыборочный слои.
Визуально можно заметить, что на графике сверточной нейронной сети сигналы появляются реже, но ближе к цели.
Автор: Dmitriy Gizlyk