این اکسپرت با نام TestMnistOnnx یک ابزار آموزشی و نمایشی فوق‌العاده جذاب برای متاتریدر ۵ است که قدرت یادگیری ماشین و شبکه‌های عصبی را مستقیماً به پلتفرم معاملاتی می‌آورد. این اکسپرت از یک مدل ONNX (Open Neural Network Exchange) که روی دیتاست معروف MNIST آموزش دیده است استفاده می‌کند تا اعداد دست‌نویس را تشخیص دهد. MNIST یک دیتاست کلاسیک در دنیای هوش مصنوعی است که شامل هزاران تصویر از اعداد ۰ تا ۹ به صورت دست‌نویس می‌باشد و به عنوان “Hello World” یادگیری عمیق شناخته می‌شود. این اکسپرت یک بوم نقاشی (Canvas) روی نمودار ایجاد می‌کند که می‌توانید با موس خود یک عدد را روی آن بکشید، سپس با کلیک روی دکمه CLASSIFY، مدل هوش مصنوعی عدد کشیده‌شده را تشخیص داده و نتیجه را با فونت درشت نمایش می‌دهد.

رابط کاربری این اکسپرت شامل یک پنل گرافیکی کامل با ابعاد ۴۲۰ در ۳۰۰ پیکسل است که روی نمودار قرار می‌گیرد. در سمت چپ پنل، یک شبکه ۲۸ در ۲۸ خانه‌ای (مطابق با ابعاد استاندارد ورودی MNIST) وجود دارد که می‌توانید با کلیک و کشیدن موس، عدد مورد نظر خود را روی آن رسم کنید. در سمت راست، سه دکمه تعبیه شده است: دکمه ضربدر (X) در بالای پنل برای بستن کامل اکسپرت، دکمه ERASE INPUT برای پاک کردن بوم نقاشی و شروع دوباره، و دکمه CLASSIFY برای ارسال تصویر کشیده‌شده به مدل ONNX و دریافت پیش‌بینی. پس از کلیک روی CLASSIFY، مدل هوش مصنوعی تصویر ۲۸ در ۲۸ پیکسلی را پردازش کرده و عدد تشخیص‌داده‌شده را با فونت بزرگ (سایز ۷۲) در کادر سمت راست نمایش می‌دهد. همچنین برای جلوگیری از کلیک‌های مکرر، پس از هر بار کلاس‌بندی، دکمه غیرفعال می‌شود تا زمانی که دوباره چیزی رسم کنید یا بوم را پاک کنید. زمانی که موس روی بوم نقاشی حرکت می‌کند، اسکرول نمودار به طور خودکار غیرفعال می‌شود تا رسم راحت‌تر انجام شود.

از نظر فنی، این اکسپرت یک نمایش عالی از نحوه استفاده از فناوری ONNX در متاتریدر ۵ است. مدل ONNX به صورت یک منبع (Resource) در کد تعبیه شده و در زمان بارگذاری از بافر خوانده می‌شود. وقتی روی دکمه CLASSIFY کلیک می‌کنید، اکسپرت ابتدا پیکسل‌های بوم نقاشی را می‌خواند و یک ماتریس ۲۸ در ۲۸ از شدت رنگ هر سلول (۰ تا ۲۵۵) ایجاد می‌کند. این ماتریس نرمال‌سازی شده (تقسیم بر ۲۵۵) و به عنوان ورودی به تابع OnnxRun ارسال می‌شود. مدل یک بردار ۱۰ عنصری (برای اعداد ۰ تا ۹) برمی‌گرداند که پس از اعمال تابع Softmax، احتمال هر عدد مشخص می‌شود. عددی که بالاترین احتمال را داشته باشد به عنوان پیش‌بینی نهایی انتخاب می‌شود. این اکسپرت یک نمونه آموزشی بی‌نظیر برای توسعه‌دهندگانی است که می‌خواهند یاد بگیرند چگونه مدل‌های یادگیری عمیق را در متاتریدر ۵ پیاده‌سازی کنند و از قدرت هوش مصنوعی در استراتژی‌های معاملاتی خود بهره ببرند. اگرچه این نسخه صرفاً نمایشی و آموزشی است، اما زیرساخت فنی آن می‌تواند برای کاربردهای واقعی مانند تشخیص الگوهای کندلی، طبقه‌بندی شرایط بازار یا پیش‌بینی جهت حرکت قیمت توسعه داده شود.

پایگاه داده MNIST شامل 60,000 تصویر برای آموزش و 10,000 تصویر برای تست است. این تصاویر با “بازترکیب” مجموعه اصلی NIST که شامل نمونه‌های سیاه و سفید 20×20 پیکسل بود، ایجاد شده‌اند. این نمونه‌ها از اداره آمار ایالات متحده به دست آمده و با نمونه‌هایی که از دانش‌آموزان دبیرستان‌های آمریکایی جمع‌آوری شده بودند، تکمیل شدند. این نمونه‌ها به اندازه 28×28 پیکسل نرمال‌سازی و با استفاده از تکنیک ضد الیاسینگ (anti-aliasing) پردازش شدند که منجر به ایجاد سطوح خاکستری در تصویر شد.

مدل آموزش‌دیده تشخیص اعداد دست‌نویس با نام mnist.onnx از گیت‌هاب و از ModelZoo(opset8) دانلود شده است. کسانی که علاقه دارند، می‌توانند سایر مدل‌ها را نیز امتحان کنند، به جز مدل‌هایی که از opset 1 استفاده می‌کنند؛ زیرا این نسخه دیگر توسط نسخه‌های جدید ONNX پشتیبانی نمی‌شود. جالب است که بردار خروجی این مدل با تابع فعال‌سازی Softmax پردازش نشده است، چیزی که در مدل‌های طبقه‌بندی معمول است. البته این موضوع مشکل بزرگی نیست، چرا که می‌توانیم به راحتی آن را خودمان پیاده‌سازی کنیم.

برای تست این اکسپرت، می‌توانید در یک شبکه ویژه با استفاده از ماوس و نگه داشتن دکمه چپ ماوس اعداد دست‌نویس خود را رسم کنید. برای تشخیص عدد رسم شده، کافی است دکمه CLASSIFY را فشار دهید.
اگر احتمال به دست آمده برای عدد تشخیص داده شده کمتر از 0.8 باشد، بردار احتمالات برای هر کلاس به لاگ چاپ می‌شود. به عنوان مثال، می‌توانید یک ورودی خالی (بدون رسم هیچ عددی) را تست کنید تا نتایج را مشاهده کنید.

نکته جالب این است که دقت تشخیص برای عدد 9 (۹) به طور محسوسی پایین‌تر است. اعدادی که به سمت چپ کج شده‌اند، با دقت بیشتری تشخیص داده می‌شوند.

توضیحات اضافی:

این اکسپرت در MetaTrader5 اجرا می‌شود و با استفاده از مدل‌های ONNX برای تشخیص اعداد دست‌نویس طراحی شده است. مدل ONNX به شما اجازه می‌دهد از مدل‌های از پیش آموزش‌دیده استفاده کرده و آن‌ها را در محیط‌های مختلف از جمله MetaTrader5 پیاده‌سازی کنید. این اکسپرت به کاربران اجازه می‌دهد تا اعداد را به صورت دست‌نویس وارد کرده و آن‌ها را تشخیص دهند.
مهم‌ترین نکته در پیاده‌سازی این اکسپرت، استفاده از مدل‌های ONNX است که با قابلیت‌های نرم‌افزار MetaTrader5 ترکیب شده است تا کاربران بتوانند به راحتی از تکنیک‌های پیشرفته یادگیری ماشین در محیط معاملاتی استفاده کنند.