N+1 совместно с МФТИ продолжает знакомить читателя с наиболее яркими аспектами современных исследований в области искусственного интеллекта. В прошлый раз мы писали об общих принципах машинного обучения и конкретно о методе обратного распространения ошибки для обучения нейросетей. Сегодня наш собеседник — Валентин Малых, младший научный...
Возможно ли создать советник, который согласно командам кода автоматически оптимизировал бы критерии открытия и закрытия позиций с определенной периодичностью? Что произойдет, если реализовать в советнике нейросеть (многослойный персептрон), которая, будучи модулем, анализировала бы историю и оценивала стратегию? Можно дать коду команду на ежемесячную (еженедельную, ежедневную или ежечасную) оптимизацию нейросети с последующим продолжением работы. Таким образом возможно создать самооптимизирующийся советник.
https://nplus1.ru/material/2016/11/04/recurrent-networks
应用拖网后，情况是否有所好转？
也许应该调整交易结束的条件，因为拖网是一个太容易的出路，而没有尝试去整理事情？
对于一个自动机来说，交易结束与一些条件有关。
在现实中，停止会破坏神经...
应用拖网后，情况是否有所好转？
也许应该调整交易结束的条件，因为拖网是太容易的出路，而不去尝试整理事情？
对于一个自动机来说，关闭一个交易与一个条件有关。
在现实中，停止会破坏神经...
应用拖网后，情况是否有所好转？
也许应该调整交易结束的条件，因为拖网是太容易的出路，而不去尝试整理事情？
对于一个自动机来说，关闭一个交易与一个条件有关。
在真实的情况下，停止会破坏神经...
我不知道，也许参数是错误的......稍后，我将把更新的版本放在监测中，有一个正常的风险。
我想增加更多的条目，我现在会增加3个，很快会增加5个。
开始训练一个神经网络。计划中的任务还没有进行。它说，数据不符合格式。我还不明白它想要什么（。
但这里有一个网络[3,4,1]的例子。
这似乎是可以的。
开始训练一个神经网络。计划中的任务还没有进行。它说，数据不符合格式。我还不明白它想要什么（。
但这里有一个网络[3,4,1]的例子。
看上去很好。
谷歌的tensorflow看起来也不错，但在安装和python方面不是很方便。
谷歌的tensorflow看起来也不错，但它的安装和python不是很方便。
这就是科学实验室的神经元学。现在主要任务突然（出乎意料））开始学习。我显然在什么地方搞砸了）。
一般来说，他们说在互联网和C++中存在大量的神经元。但我没有搜索过它们。
这就是科学实验室的神经元学。现在主要任务突然（出乎意料））开始学习。我显然在什么地方搞砸了）。
一般来说，他们说在互联网和C++中存在大量的神经元。但我没有去找他们。
我到处都有它们，现在有一个真正的神经繁荣）。
训练一个神经网络（NS）来跨越两个MA的实验失败了。它被训练为只识别向上的交叉点。
在实验中，选择了NS-3,3,3,1，并对其进行了测试，用于训练和识别人工创造的模式。然而，在学习识别MA后，没有一个交叉点被识别。原因是--NS需要更多的对比度图像，并不关心输入之间0.01-0.1的所有差异。
对于一个给定的NS结构，当信号差异不低于0.2-0.3时，很可能得到可靠的识别。
我开始探索神经网络。
我正在寻找可以直接在MT5中实现的选项。
我对使用ALGLIB（https://www.mql5.com/ru/articles/2279）的变体感兴趣，但从网络描述来看，它是一个没有反馈的顺序网络。而缺点是，它只能由一个处理器线程（处理带有神经网络的专家顾问）来训练。
我认为，在文章https://www.mql5.com/ru/articles/497 的神经网络中加入2个隐藏的顺序层，然后在测试器中通过完全的蛮力或基因来训练它，这并不是太困难。但在这种情况下，你可以使用更多的计算线程（你的处理器的核心，在网络和云中）。我弄得对吗？
在训练这样的网络时，如何为正确的答案（购买和销售地点）添加人工指示？
也许在某个地方已经有了一个多层顺序网络的库？
另外，我不太理解使用内层的用处，对于外汇/股市交易的目的。添加它们有意义吗？为什么？