Fast Artificial Neural Network Library is a free open source neural network library, which implements multilayer artificial neural networks in C with support for both fully connected and sparsely connected networks. Cross-platform execution in both fixed and floating point are supported. It includes a framework for easy handling of training...
ATcl Beta 2 发布
稍微推迟了一下,ATcl的新版本已经发布。
发布细节,见http://nektomk.ru/atcl:beta2
由于在域名方面存在问题,为了使该发行版可用,在SourceForge上做了一个项目:https://sourceforge.net/projects/mt-atcl/
该项目可以从SF页面 或通常的下载页面下载:http://nektomk.ru/atcl:install
我还附上了档案
新的特点。
- 添加了WebSocket处理演示
- 增加了Excel管理和数据交换演示
- Tk现在已经开始运行了(也有演示)--现在你可以快速、轻松地制作最铺张的GUI了
已知的错误。
- 在最后一刻被检测到:使用Tk的ATcl指标和EA同时加载有冲突。错误的性质很清楚,但它还没有被记录在代码中,因此它还没有被修复。
分开来看,它们都能正常工作,所以我决定带着这个错误发布。
PS。不管是网站故障还是浏览器问题,但这个消息我已经填了第三次了。
以及如何为x64重建组件?还是x64原本就不支持?
我如何为x64重建?还是x64最初不被支持?
64版(即MT5)尚无版本。从长远来看,我们有一个,但还没有 :-)
我在上面的某个地方写道--为5这个DLL进行调试要难得多,而且我认为5还没有稳定和普及,这是两个。
最后,也是最重要的一点--在你移植到64位之前,当前的API必须是完全稳定的,可以接受的。
维护、开发和调试1个版本是一回事,开发2个版本就有点难了,说得不好听一点。
64版(即MT5)尚无版本。从长远来看,我们有了,但还没有 :-)
我已经在上面的某个地方写过了--为5这个DLL调试要难得多,而且我认为5还不能持续和流行,这是两个。
最后,也是最重要的一点--在你移植到64位之前,当前的API必须是完全稳定和舒适的。
维护、开发和调试1个版本是一回事,而2个版本就有点复杂了,说得不好听。
我明白了。
但对谁来说,神经网络?:-)
在ATcl(所以在MT4)中添加FANN--快速人工神经网络 库--http://leenissen.dk/fann/wp/,是非常容易的。
实际上,只需附加一个DLL并检查其API即可
如果有人感兴趣,我们可以讨论,并将需要测试案例。
有可能在当前轨道或在后台一个单独的(甚至许多)轨道上运行训练和NN的EA/指标。
但对谁来说,神经网络?:-)
添加到ATcl中相当容易(所以在MT4中)FANN -快速人工神经网络 库 - http://leenissen.dk/fann/wp/。
实际上,只需附加一个DLL并检查其API即可
如果有人感兴趣,我们可以讨论,并将需要测试案例。
有可能在当前的轨道上或在后台的一个单独的(甚至是许多)轨道上运行训练和NN工作的EA/指标。
听起来很有趣,但不清楚 :)
听起来很有趣,但不清楚 :)
逐点
- 有一个FANN图书馆,用于各种NN。它相当流行,他们甚至试图在MT中使用它(有一篇关于它的文章)。但传统上,它被放弃了,被埋葬在CodeBase的历史中。
- 我已经做了一个直接的接口MQL4 <-> Tcl。它们在一个共享的地址空间中工作,知道如何交换和共享数据。Tcl是一种非常古老、著名和稳定的语言。因此,许多工具(特别是FANN)都有一个与之相关的API。
至少有半自动的构建/连接工具,只是通过.h(C/C++头文件)。
- ATcl的发展已经到了可以使用多线程的幸福时刻,即可以创建和管理线程,在后台/与主任务并行工作,例如专家顾问。
- 直接使用线程 - 长时间或繁忙的计算。当有大量的计算要进行,但图表或终端不能暂停。神经网络很受欢迎,是尝试这种做法的好人选。
- 我愿意在ATcl中加入FANN,即在多任务环境下编译/创建/调试接口和测试。在连接库和调试-调试多任务环境的实践中,我对此感兴趣。我在交易中不单独使用NN。
- 如果有人有兴趣,我们就去做吧。
逐项进行。
- 有一个FANN图书馆,用于各种NN。它相当流行,甚至在MT中也有尝试(有一篇关于它的文章)。但传统上,它被放弃了,并被埋葬在CodeBase的历史中。
- 我已经做了一个直接的接口MQL4 <-> Tcl。他们在一个共同的地址空间工作,知道如何交换和分享数据。Tcl是一种非常古老而稳定的语言。因此,许多工具(特别是FANN)都有一个与之相关的API。
至少有半自动的构建/连接工具,只是通过.h(C/C++头文件)。
- ATcl的发展已经到了可以使用多线程的幸福时刻,即可以创建和管理线程,在后台/与主任务并行工作,例如专家顾问。
- 直接使用线程 - 长时间或繁忙的计算。当有大量的计算要进行,但图表或终端不能暂停。神经网络很受欢迎,是尝试这个的好人选。
- 我愿意在ATcl中加入FANN,即在多任务环境下编译/创建/调试接口和测试。在连接库和调试-调试多任务环境的实践中,我对此感兴趣。我在交易中不单独使用NN。
- 如果有人有兴趣,我们就去做吧。
但我是一个简单的用户--到目前为止我什么都不懂,只知道可以连接一个神经元,但文章中描述的方法和你的方法之间有什么优势?
我有兴趣在MT5中引入神经元技术,这可能吗?
我是一个简单的用户--到目前为止我不太明白,只知道可以连接一个神经元,但文章中描述的方法和你的方法之间有什么优势?
我想知道是否有可能在MT5中实现神经元技术?
人们认为的好处是
1)"集成器 "将是tcl,它非常稳定(比MQ稍微老一些)。而FANN和tcl有一个相互的API,它不仅是由mql5.com社区开发的
2)神经元的训练和运行可以在一个单独的线程中完成,即不要 "保持 "专家顾问/指示器。
3) 我认为可以顺利过渡到MT5 - 只有一件事需要移植,即ATcl界面,而所有用户的脚本和程序都可以保持不变,直接在Mt4-Mt5之间共享/共用。
被认为的优势是
1)"集成器 "将是tcl,它非常稳定(而且比MQ更老,说得不好听)。而FANN和tcl有一个相互的API,这不仅是由mql5.com社区开发的。
2)训练和运行神经元可以在一个单独的线程中进行,即不 "延迟 "EA/指示器。
3) 我认为可以顺利过渡到MT5 - 只有一件事被移植,即ATcl界面,而所有用户的脚本和程序可以保持不变,并在Mt4-Mt5之间直接共享/共用。
这很好,但现在的主要问题是--当与神经元结合时,是否有可能优化测试器中 的变量(预测器)策略?
这很好,但现在的主要问题是--当与神经元结合时,是否有可能优化测试器中 的变量(预测器)策略?
在软件技术方面,有可能是的。只要不在云中,就可以从优化器中调用库。
从NS方面来看--你是如何想象的?