Diskussion zum Artikel "Neuronale Netze leicht gemacht (Teil 30): Genetische Algorithmen"
Es ist merkwürdig, warum gerade die Trendausrichtung das Ergebnis ist. Wenn die Aufgabe darin besteht, Regelmäßigkeiten zu finden, dann sollte das neuronale Netz angesichts des Zickzack-Wachstums fast jedes Trends eine rentable Strategie finden und parallel dazu eine Gegentrend-Strategie anwenden, die sich an den erwarteten Extrema öffnet, insbesondere im Falle eines längeren Wachstums. Die frühere Erfahrung (Artikel 29) hat etwas Ähnliches, wo die Gleichgewichtskurve während des gesamten Zeitraums wächst, während sie hier allmählich verblasst.
Dmitriy Gizlyk
Проведите свои эксперименты и будет интересно понаблюдать за их результатами.
Es ist großartig, dass es eine Möglichkeit gibt, die Umsetzung in Ihren Händen zu drehen.
Leider ist es nicht getestet. Habe versucht, in den Editor zu gehen, er stürzt beim Kompilieren ab. Ich scheine alle Dateien kopiert zu haben, wenn ich alle Artikel betrachte.
Bitte beraten Sie mich, was ich tun muss.
Ich habe den Namespace Math und die geschweiften Klammern in einer der Include-Dateien gelöscht ,
Für das Training im Artikel habe ich ein Modell verwendet, das dem im Artikel actor-critic und policy gradient trainierten Modell ähnelt. Sie geben dem Expert Advisor einfach ein normales Modell. Und er ergänzt es mit Modellen, die in ihrer Architektur ähnlich sind, bis die Population gefüllt ist.
Hallo, schätzen ziemlich viel auf Ihre große Anstrengung für diese Reihe von Artikeln, aber wenn ich versuche, Evolution EA oder Genetic EA laufen, bekam ich einen Fehler von 5109, die ich wandte sich an MQ5 Guide Book und fand, dieser Fehler wird durch OPENCL verursacht.
Ich habe einen Fehler von 5109, die ich wandte sich an MQ5 Guide Book und fand, ist dieser Fehler durch OPENCL verursacht..., können Sie mir sagen, wie man diesen Fehler zu laufen? Ich habe eine Fehlermeldung von 5109 erhalten, die ich im MQ5-Handbuch gefunden habe.
Können Sie mir sagen, wie ich dieses Problem beheben kann? Vielen Dank...
| ERR_OPENCL_EXECUTE | ERR_OPENCL_EXECUTE | OpenCL-Programm Laufzeitfehler |
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Neuronale Netze leicht gemacht (Teil 30): Genetische Algorithmen :
Heute möchte ich Ihnen eine etwas andere Lernmethode vorstellen. Wir können sagen, dass sie von Darwins Evolutionstheorie entlehnt ist. Sie ist wahrscheinlich weniger kontrollierbar als die zuvor besprochenen Methoden, aber sie ermöglicht die Ausbildung nicht-differenzierbarer Modelle.
Der Optimierungsprozess wurde mit allen bisher verwendeten Parametern getestet. Die Trainingsstichprobe sind die historischen EURUSD H1-Daten. Für den Optimierungsprozess habe ich die Historie der letzten 2 Jahre verwendet. Der EA wurde mit Standardparametern verwendet. Als Testmodell habe ich die Architekturen aus dem vorherigen Artikel mit der Suche nach der optimalen Wahrscheinlichkeitsverteilung der Entscheidungsfindung verwendet. Auf diese Weise kann das optimierte Modell in den zuvor verwendeten Expert Advisor „REINFORCE-test.mq5“ eingesetzt werden. Wie wir sehen können, ist dies der dritte Ansatz im Prozess der Ausbildung eines Modells der gleichen Architektur. Zuvor haben wir bereits ein ähnliches Modell mit den Algorithmen Policy Gradient und Actor-Critic trainiert. Umso interessanter ist es, die Optimierungsergebnisse zu beobachten.
Bei der Optimierung des Modells haben wir die Daten des letzten Monats nicht verwendet. Wir haben also einige Daten zum Testen des optimierten Modells übrig gelassen. Das optimierte Modell wurde mit dem Strategy Tester ausgeführt. Sie führte zu folgendem Ergebnis.
Wie wir aus dem abgebildeten Diagramm erkennen können, haben wir einen wachsenden Saldo. Die Rentabilität ist jedoch etwas geringer als beim Training eines ähnlichen Modells mit der Actor-Critic-Methode. Sie führte auch weniger Handelsgeschäfte durch. Tatsächlich ging die Zahl der Abschlüsse um die Hälfte zurück.
Autor: Dmitriy Gizlyk