Основанная на классической рекуррентной нейронной сети RNN, сеть LSTM может выборочно забывать неважную информацию и усиливать ранее важную информацию, добавляя нелинейную структуру «ворот» внутри нейронов сети. Таким образом, LSTM позволяет избежать неизбежной проблемы исчезновения градиента, когда RNN обучается на длинных последовательностях. В частности, структура ворот LSTM определяется следующим образом:
Спасибо за материал!
Сейчас изучаю вопрос использования нейросетей в коллаборации с предметными знаниями человека в теме финансов (создаю торговые алгоритм), но минус торговых ботов - они не предсказывают ситуацию, а торгуют по факту конкретных паттернов.
Прогнозные модели намного интересней в этом плане (в том числе, с точки зрения потенциального дохода) - надеюсь когда-нибудь руки дойдут и до них :)
Из рф сейчас вообще резон торговать?
Так что делать, у какой нейросети спрашивать прогноз цены акций?
А суть в том, что все они в пользовании компаний=) Им бабки платить за прогнозы
что ну никак нельзя 100% спрогнозировать куда пойдет та или иная акция.
Да на самом деле в любой сфере никогда 100 % прогноза невозможно дать ,а тем более в акциях
тут как и в любой вероятностной модели оперируют мат. ожиданием.
Так а люди чем будут заниматься вообще если практически на все вопросы может ответить нейросеть