If you tend to do lots of large Monte Carlo simulations, you’ve probably already discovered the benefits of multi-core CPUs and parallel computation. A simulation that takes 4 weeks without parallelization, can easily be done in 1 week on a quad core laptop with parallelization. However, for even larger simulations reducing the computation time...
是否有可能开始准确地学习如何进行交易？毕竟，我失去账户的风险，我毫不怀疑，是非常高的。
但是米哈已经承诺要打败Java，所以他很快就会大放异彩。
我经常在市场的EA中看到，好的交易参数在优化功能中形成一个高原。例如，如果参数中存在MA或RSI，或一些系数，那么将参数改变一个小值并不影响最终结果。
但这是合乎逻辑的，那里的大多数参数都用于计算指标的公式中，所以一个小的变化只是稍微影响到结果，而结果仍将按相同的价格计算。
而在机器学习中恰恰相反--参数会对整个学习过程产生雪崩式的影响，即使是轻微的改变也会导致完全不同的结果。例如，隐藏层中的神经元数量--如果我们增加它们，使用的权重数量也会增加，使用gpsc初始化权重的功能将以稍微不同的顺序设置它们的值，这将导致另一个结果。
对于每个参数，你可以研究平滑或随机地影响模型的结果评估，对于平滑影响的参数，你可以额外使用基于导数的优化器（R中的函数optim(method="L-BFGS-B")和optim()）。
这不是一个市场，它根本不是一个市场--它是一个统计数字，对比率的稳定性进行了一些测试。最著名的是CUSUM。
所以，也许你给出的结果对网络参数的巨大依赖性表明，它们从根本上不适合金融市场？
或者，也许人们必须首先建造适合目的的东西（拖拉机--这里很时尚，或者火箭），然后争论你得到的东西的稳定性？
但无论如何：要么我们有模型稳定性的证据，要么根本不需要。 模型错误和模型稳定性是一个 硬币的两面。
我想知道为什么不是Python？也许是同一个R？我不明白。
的确如此。既然你对知识有如此的渴望，你就拿着评级，从头研究似乎适合的东西。
雷舍托夫的模型不是一个基准。例如，它通过尝试不同的选项来搜索一组预测器--模型采取一组随机的预测器，进行学习，并记住结果。这将在一个循环中重复大量的次数，最好的结果将被用作最终模型。如果你首先用一种特殊的算法 对预测器进行选择， 然后在这个特定的集合上只训练一次Reshetov模型，那么这个过程就可以明显加快了。而且你能以与AWS相当的速度获得Reshetov模型的质量。这种模式的 "成本 "将明显下降，但质量将保持在同一水平。
这是一种什么样的算法？总的来说，我同意这个说法，价格和质量是略有不同的东西。你可以得到一个便宜但高质量的模型。雷舍托夫的真正问题是，由于反复随机分割样本等，他的计算时间太长。
再说一遍，这些能立即分辨出哪个预测器不相关的算法是什么？他有一些实施的方法，但我还没有真正看过....。事实上，他是通过不变量来定义的，这在逻辑上是很实际的，但我认为都有错误 :-( 与其说是错误，不如说是没有修正......。
如果我们确实使用了2个隐藏层，那么显然第2层的神经元数量要比第1层小很多。
一个层中神经元数量的最小值是多少？我认为做不到3-5个就没有意义了。
或者有1-2个神经元的层也能对模型做出重大贡献？
如果我们确实使用了2个隐藏层，那么显然第2层的神经元数量要比第1层小很多。
一个层中神经元数量的最小值是多少？我认为让它少于3-5个是没有意义的。
或者有1-2个神经元的层也能对模型做出重大贡献？
从实践来看--1个有3个输入的神经元可以在15分钟的图表和大约200个交易中缺口正常信号1-1.5个月，如果我们采取更大的样本，那么夯实的质量会急剧下降，交易的数量也会下降，没有足够的组合。也就是说，只要系统保持静止，信号重复，1个神经元就足够了，甚至。
大致上与3个输入的模糊逻辑相同，并对4个成员函数 进行了优化同样，有什么样的算法呢？可以一眼看出哪个预测器是不相关的。
有很多算法，甚至比人们希望的还要多。例如--
来自弗拉基米尔的文章 -https://www.mql5.com/ru/articles/2029
文章来自Alexey -https://habrahabr.ru/company/aligntechnology/blog/303750/
对于那些喜欢在建模时给处理器加载各种东西的人来说，这里有 一个大幅减少时间的方法。
云中的并行模拟值得吗？对我的MBP与我的工作站与亚马逊EC2进行基准测试
对于那些喜欢在建模时给处理器加载各种东西的人来说，这里有 一个大幅减少时间的方法。
云中的并行模拟值得吗？对我的MBP与我的工作站与亚马逊EC2进行基准测试
C Dll和要求安装mt5、R和正确的软件包--显然，要达到这个目的是不现实的。