Muy bueno el tema. personalmente pienso que no es necesario que llegues al 50% de eficiencia ya que con una estrategia de money managment aritmetico como optimal fraction solventas el rendimiento . como va el proyecto es muy interesante lo de los transformes ya lo vengo siguiendo hace rato y es increible lo que se esta avanzando. en que punto esta el bot transformer en este momento. slds !
Pero si veo bien en su definicion de la red minuto:21 los transformers esta mucho despues de los layers dense, por lo que la posicion del elemento en later de entrada se olvida, la posicion de entrada del elemento dentro del vector. si en el segundo input del vector de entrada pongo 3, ese valor se computa son el weight correspondiente en cada uno de los nodos del layer dense. asi cada nodo del layer dense, tiene un poquito del tres. Y la posicion ?? se perdio. mejor usar un layer RNN para cada activo. despues ponga los dense que quiera. encima ponga los transform. y luego use la salida del RNN base en el layer de atencion... creo asi la red prestara mas atencion a los precios del momento, que son los que estan en el RNN base de entrada.
Este video ha sido un poco denso. No he podido seguir la lógica de las explicaciones pero intentaré ponerme al dia. Gràcias.
Muy bueno el tema. personalmente pienso que no es necesario que llegues al 50% de eficiencia ya que con una estrategia de money managment aritmetico como optimal fraction solventas el rendimiento . como va el proyecto es muy interesante lo de los transformes ya lo vengo siguiendo hace rato y es increible lo que se esta avanzando. en que punto esta el bot transformer en este momento. slds !
Pero si veo bien en su definicion de la red minuto:21 los transformers esta mucho despues de los layers dense, por lo que la posicion del elemento en later de entrada se olvida, la posicion de entrada del elemento dentro del vector.
si en el segundo input del vector de entrada pongo 3, ese valor se computa son el weight correspondiente en cada uno de los nodos del layer dense. asi cada nodo del layer dense, tiene un poquito del tres. Y la posicion ?? se perdio.
mejor usar un layer RNN para cada activo. despues ponga los dense que quiera. encima ponga los transform. y luego use la salida del RNN base en el layer de atencion... creo
asi la red prestara mas atencion a los precios del momento, que son los que estan en el RNN base de entrada.
Muy bueno! esta el paper publicado en algún sitio?
Excelente