Нейронные сети на форекс

22 июня 2013 - фагот

 

Программно смоделировать такую сеть средствами MQL естественно невозможно и о полноценном искусственном интеллекте говорить в нашем случае не приходится.

Но надо учесть, что человеческий мозг обрабатывает огромное количество самой разнообразной информации. Для торгового робота же необходим очень ограниченный набор данных. Это во много раз сокращает размер и сложность нейросети.

К тому же нас интересует всего один результат, сигнал на покупку или продажу. То есть нам нужен очень ограниченный функционал сети. С учётом этих факторов применение нейросетей в трейдинге становится достаточно реальным.

Математическая модель восприятия информации мозгом ( перцептрон ) была предложена Фрэнком Розенблаттом ещё в 1957 году. Конечно это очень упрощённая модель, но тем не менее она способна обучаться и решать различные, довольно сложные задачи.

Перцептрон

Простейший перцептрон выглядит примерно так:

perceptron
 

S элементы.


 

S (или сенсорные) элементы по своей сути представляют собой датчики, считывающие какую то информацию. Эти элементы имеют всего 2 состояния, они либо активны, либо неактивны. Программно можно представить их в виде логической (булевой) функции. Тогда на выходе такой функции будет либо 0 (элемент неактивен) либо 1 (элемент активен)


 

На рисунке это элементы S1...S9. Таких элементов может быть любое количество. В одном перцептроне может быть несколько групп сенсоров, для различных типов информации


 

A элементы.

 

A ( или ассоциативные ) элементы имеют несколько входов, на которые поступают сигналы от сенсоров ( S элементов ) и один выход. Эти элементы также имеют только 2 состояния либо активные, ( если на выходе единица ), либо неактивные ( на выходе ноль ).

 

 

А элементы активизируются, если алгебраическая сумма всех входных сигналов превышает какое то пороговое значение.

 

 

Например: на рисунке А элементы имеют три входа, на входы элемента А1 подаются сигналы от S элементов S1, S2 и S3. Пусть пороговое значение равно 2. Тогда А элемент активизируется, когда активны 2 из трёх S элементов, независимо от того, какие именно это элементы.

 

Обычно входов у А элемента гораздо больше, на рисунке изображены только трёх входовые элементы для упрощения. И пороговое значение в какой то степени регулирует чувствительность А элемента.

 
 
 
 
 
 
 
 
 
 

R элементы.


 

R ( или реагирующие ) элементы также имеют несколько входов, на которые подаются сигналы от А элементов. Выход R элемента является также выходом перцептрона. Перцептрон может иметь несколько R элементов и соответственно несколько выходов. Выход Rэлемента аналогичен двум предыдущим ( S и R элементам ) то есть имеет тоже 2 состояния ( 0 — неактивен, 1 активен )

R элементы активизируются когда алгебраическая сумма входных сигналов, помноженных на соответствующие им весовые коэффициенты превысит пороговое значение.

A1 * W1 + A2 * W2 + A3 * W3 + … … + An * Wn > pr

где pr это пороговое значение а W1 – Wn веса А связей. Подбирая вес связи мы можем придать какому то сигналу от А элемента большее значение, какому то меньшее, то есть таким образом мы можем обучать нейросеть


 

Результат работы перцептрона изображённого на первом рисунке несложно просчитать, по сути это обыкновенная логическая микросхема. На следующем рисунке изображён более сложный перцептрон, он также как и первый имеет 9 сенсорных элементов и один выход.

 

перцептрон

 

Но в этом перцептроне больше А элементов ( их уже 7 ) Обратите внимание на S связи ( связи между S и A элементами ) Связи расположены совершенно по другому и их гораздо больше. Результат работы такого перцептрона предсказать уже значительно сложнее. По сути он уже способен принимать какие то решения самостоятельно, то есть это уже думающая и обучаемая (хотя и очень примитивно) система. 

 

Вообще А элементов может быть даже больше чем S элементов. Непосредственно связанные с сенсорами А элементы составляют первый слой перцептрона. Если А элементов достаточно много можно сделать второй, третий и более слой. Таким образом мы можем получить многослойную сеть.

TEXT.RU - 100.00%
 

Рейтинг: 0 Голосов: 0 2612 просмотров
Комментарии (0)

Нет комментариев. Ваш будет первым!

 

Яндекс.Метрика