关注
内容目录 概述 1. 理解 GPT 模型 2. GPT 与之前研究的变换器之间的区别 3. 实现 3.1. 为我们的模型创建新的类 3.2. 前馈 3.3. 反馈 3.4. 神经网络基类的变化 4. 测试 结束语 参考 本文中用到的程序 概述 在 2018 年 6 ...
关注
其实现在市面上的量化软件有非常之多，UI好看的和模板优秀的不在少数，但是真正最重要的还是后续的资产增值服务和成品培训服务本文由小张发布，欢迎137和6746我0149一起讨论当我们看到一件事物或场景时，我们总是会对这个事...
关注
介绍 在阅读本文之前，我建议您学习“开发自适应算法（第二部分）：提高效率”系列的第二篇文章。本文采用的方法与前面讨论的方法有很大不同，但阅读前面的文章对了解主题将非常有用。 分析缺点 与上一篇文章一样，我将从...
关注
大家好，今天给大家讲讲比特币的知识点，感谢您的收看！【本文由mkz888z整理，如有项目孵化需求的疑问，欢迎随时交流！】比特币为啥还没挖完比特币系统靠调节难度系数保证比特币不被太快挖完。每10分钟，全网矿工共同计算一...
关注
介绍 为交易设计的训练神经网络准备数据的一个基本问题是准备必要的输入数据。例如，当我们使用十几个指标时，请考虑这种情况。这些指标可能代表一组若干信息图表。如果我们将这些指标计算到一定的深度，那么结果将多达100个...
关注
内容 概述 1. 关注机制 2. 自关注机制 3. 实现 3.1. 升级卷积层 3.2. 自关注模块类 3.3. 自关注前馈 3.4. 自关注反馈 3.5. 神经网络基类的变化 4. 测试 结束语 参考 本文中用到的程序 概述 在之前的文章中，我们已经测...
关注
介绍 表格是一项相当古老的发明，但这种类型的现代程序具有强大的功能，允许您直观地分析以表格形式呈现的数据。分析可以从不同的角度进行，而且进行得很快。它包括图形、摘要表、假设分析、条件单元格格式等等。 我建议测试...
关注
介绍 MetaTrader 5 在过去的几年里已经非常成熟，为交易者提供了广泛的功能。一个突出的特性是，尽管使用了专有编程语言，它仍然能够与各种系统和平台集成。这种能力是非常重要的，因为它为交易者提供了很多选择，当涉及到探...
关注
内容目录 概述 改进库类 指标缓冲区数据对象 测试 下一步是什么？ 概述 在函数库中所有数据构建和存储的概念都建立在包含一组相同类型数据的集合列表之上。 它们可按所需顺序进行选择、排序和过滤。 这样可以获取必要的数...
关注
内容目录 概述 改进库类 自定义指标对象 测试 下一步是什么？ 概述 继续创建功能，从而在 EA 中处理基于函数库数据的指标。 我们已创建了标准指标对象类，并开始将它们安置在集合列表中。 为了拥有完整的“设置”，仅缺...
关注
内容 概述 1. 自适应优化方法的显著特征 1.1. 自适应梯度方法（AdaGrad） 1.2. RMSProp 方法 1.3. Adadelta 方法 1.4. 自适应动量评估方法（亚当） 2. 实现 2.1. 构建 OpenCL 内核 2.2. 修改主程序里的神经元类代码 2.3...
关注
介绍 在上一篇文章中，我试图提供一个关于主要机器学习模型创建步骤及其进一步实际应用的总体思路。在这一部分中，我想从简单的模型切换到具有统计意义的模型。由于创建一个基于机器学习的交易系统不是一个简单的任务，我们...
关注
前言 本文探讨了如何使用 Yandex 的 CatBoost 机器学习算法，在有限变量集和行为模式假设下建立描述市场模式的模型。您不需要 Python 或 R 语言知识就能够获得模型。此外，基本的MQL5知识已经足够了- 这正是我的水平。因此...
关注
介绍 梯度提升是一种强大的机器学习算法。该方法产生了一个弱模型的集合（例如，决策树），其中（与bagging相反）模型是按顺序构建的，而不是独立地（并行地）构建的。这意味着下一棵树从上一棵树的错误中学习，然后重复这个...
关注
简介让我们考虑改进指标的任务，即将指标应用至其他指标的值。在本文中，我们将继续使用“真实强弱指数”(TSI) 为例，该指标已在前文中进行了创建和讨论（请参见前文“MQL5：创建自己的指标”）。基于其他指标的值的自定义指...
移动端课程
本社区仅针对特定人员开放
查看需注册登录并通过风险意识测评
5秒后跳转登录页面...
