本周阅读最多文章
![DoEasy 函数库中的时间序列(第六十一部分):品种即时报价序列集合](https://c.mql5.com/2/41/MQL5-avatar-doeasy-library__5.png)
DoEasy 函数库中的时间序列(第六十一部分):品种即时报价序列集合
鉴于程序在其运行时可能会用到不同的品种,因此应为每个品种创建一个单独的列表。 在本文中,我将把这些列表合并到一个即时报价数据集合。 实际上,这将是一个常规列表,基于指向标准库 CObject 类及其衍生类实例指针的动态数组。
![自适应算法(第三部分): 放弃优化](https://c.mql5.com/2/41/50_percents__3.png)
如果采用基于历史数据的优化方法来选择参数,就不可能得到真正稳定的算法。一个稳定的算法应该知道在任何时候操作任何交易工具时需要哪些参数。它不应该预测或猜测,它应该确定知道。
![多层感知机与反向传播算法](https://c.mql5.com/2/41/Sem_tbtulo.png)
这两种方法的普及性日益增加,因此在 Matlab、R、Python、C++ 等领域开发了大量的库,它们接收到一个训练集作为输入,并自动为问题创建合适的网络。让我们试着理解基本的神经网络类型是如何工作的(包括单神经元感知机和多层感知机)。我们将探讨一个令人兴奋的算法,它负责网络训练 - 梯度下降和反向传播。现有的复杂模型往往基于这样简单的网络模型。