添加新文章
在 ONNX 模型中使用 float16 和 float8 格式

在 ONNX 模型中使用 float16 和 float8 格式

用于表示机器学习模型的数据格式对其有效性起着至关重要的作用。近年来，出现了几种新类型的数据，专门为使用深度学习模型而设计。在本文中，我们将重点介绍两种新的数据格式，它们已在现代模型中广泛采用。
MQL5 中的范畴论 (第 15 部分)：函子与图论

MQL5 中的范畴论 (第 15 部分)：函子与图论

本文是以 MQL5 实现范畴论，着眼于函子之系列的续篇，但这次是作为图论和集合之间的桥梁。我们重新审视日历数据，尽管它在策略测试器中存在使用局限，但在相关性的帮助下，可利用函子来预测波动性。
MQL5 中的范畴论 (第 14 部分)：线性序函子

MQL5 中的范畴论 (第 14 部分)：线性序函子

本文是更广泛关于以 MQL5 实现范畴论系列的一部分，深入探讨了函子（Functors）。我们实验了如何将线性序映射到集合，这要归功于函子；通过研究两组数据，典型情况下会忽略其间的任何联系。
将您自己的LLM集成到EA中（第1部分）：硬件和环境部署

将您自己的LLM集成到EA中（第1部分）：硬件和环境部署

随着人工智能的快速发展，大型语言模型（LLM）成为人工智能的重要组成部分，因此我们应该思考如何将强大的语言模型集成到我们的算法交易中。对大多数人来说，很难根据他们的需求对这些强大的模型进行微调，在本地部署，然后将其应用于算法交易。本系列文章将采取循序渐进的方法来实现这一目标。
掌握ONNX：MQL5交易者的游戏规则改变者

掌握ONNX：MQL5交易者的游戏规则改变者

深入ONNX的世界，这是一种用于交换机器学习模型的强大的开放标准格式。了解利用ONNX如何彻底改变MQL5中的算法交易，使交易员能够无缝集成尖端的人工智能模型，并将其策略提升到新的高度。揭开跨平台兼容性的秘密，学习如何在您的MQL5交易活动中释放ONNX的全部潜力。通过这篇掌握ONNX的全面指南提升您的交易游戏
MQL5 中的范畴论 (第 12 部分)：秩序（Orders）

MQL5 中的范畴论 (第 12 部分)：秩序（Orders）

本文是范畴论系列文章之以 MQL5 实现图论的部分，深入研讨秩序（Orders）。我们通过研究两种主要的秩序类型，实测秩序论的概念如何支持幺半群集合，从而为交易决策提供信息。
神经网络变得轻松（第四十五部分）：训练状态探索技能

神经网络变得轻松（第四十五部分）：训练状态探索技能

在没有明确奖励函数的情况下，实用的训练技能就是分层强化学习的主要挑战之一。 以前，我们已领略了解决此问题的两种算法。 但环境研究的完整性问题仍然悬而未决。 本文演示了一种不同的技能训练方式，其可取决于系统的当前状态直接使用。
神经网络变得轻松（第四十四部分）：动态学习技能

神经网络变得轻松（第四十四部分）：动态学习技能

在上一篇文章中，我们讲解了 DIAYN 方法，它提供了学习各种技能的算法。 获得的技能可用在各种任务。 但这些技能可能非常难以预测，而这可能令它们难以运用。 在本文中，我们要研究一种针对学习可预测技能的算法。
时间序列的频域表示：功率谱

时间序列的频域表示：功率谱

在本文中，我们将讨论在频域中分析时间序列的相关方法。 构建预测模型时，强调检验时间序列功率谱的效用 在本文中，我们将讨论运用离散傅里叶变换（dft）在频域中分析时间序列获得的一些实用观点。
MQL5 中的矩阵和向量：激活函数

MQL5 中的矩阵和向量：激活函数

在此，我们将只讲述机器学习的一个方面 — 激活函数。 在人工神经网络中，神经元激活函数会根据一个或一组输入信号的数值，计算输出信号值。 我们将深入研究该过程的内部运作。
在类中包装 ONNX 模型

在类中包装 ONNX 模型

面向对象编程可以创建更紧凑、易于阅读和修改的代码。 在此，我们将会看到三个 ONNX 模型的示例。
神经网络变得轻松（第三十七部分）：分散关注度

神经网络变得轻松（第三十七部分）：分散关注度

在上一篇文章中，我们讨论了在其架构中使用关注度机制的关系模型。 这些模型的具体特征之一是计算资源的密集功用。 在本文中，我们将研究于自我关注度模块内减少计算操作数量的机制之一。 这将提高模型的常规性能。
MQL5 中的范畴论 (第 6 部分)：单态回拉和满态外推

MQL5 中的范畴论 (第 6 部分)：单态回拉和满态外推

范畴论是数学的一个多样化和不断扩展的分支，直到最近才在 MQL5 社区中得到一些报道。 这些系列文章旨在探索和验证一些概念和公理，其总体目标是建立一个开放的函数库，提供洞察力，同时也希望进一步在交易者的策略开发中运用这个非凡的领域。
如何在 MQL5 中集成 ONNX 模型的示例

如何在 MQL5 中集成 ONNX 模型的示例

ONNX（开放神经网络交换）是一种表现神经网络的开放格式。 在本文中，我们将展示如何在一个智能交易系统中同时使用两个 ONNX 模型。
MQL5 中的范畴论 (第 5 部分)：均衡器

MQL5 中的范畴论 (第 5 部分)：均衡器

范畴论是数学的一个多样化和不断扩展的分支，直到最近才在 MQL5 社区中得到一些报道。 这些系列文章旨在探索和验证一些概念和公理，其总体目标是建立一个开放的函数库，提供洞察力，同时也希望进一步在交易者的策略开发中运用这个非凡的领域。
如何在 MQL5 中使用 ONNX 模型

如何在 MQL5 中使用 ONNX 模型

ONNX（开放式神经网络交换）是一种开源的机器学习模型格式。 在本文中，我们将研究如何创建 CNN-LSTM 模型，来预测金融时间序列。 我们还将展示如何在 MQL5 智能系统中运用创建的 ONNX 模型。
MQL5 中的范畴论 (第 4 部分)：跨度、实验、及合成

MQL5 中的范畴论 (第 4 部分)：跨度、实验、及合成

范畴论是数学的一个多样化和不断扩展的分支，到目前为止，在 MQL5 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念，其总体目标是建立一个开放的函数库，提供洞察力，同时希望在交易者的策略开发中进一步运用这一非凡的领域。
数据科学和机器学习（第 14 部分）：运用 Kohonen 映射在市场中寻找出路

数据科学和机器学习（第 14 部分）：运用 Kohonen 映射在市场中寻找出路

您是否正在寻找一种可以帮助您驾驭复杂且不断变化的市场的尖端交易方法？ Kohonen 映射是一种创新的人工神经网络形式，可以帮助您发现市场数据中隐藏的形态和趋势。 在本文中，我们将探讨 Kohonen 映射的工作原理，以及如何运用它们来开发更智能、更有效的交易策略。 无论您是经验丰富的交易者，还是刚刚起步，您都不想错过这种令人兴奋的新交易方式。