Discusión sobre el artículo "Redes neuronales: así de sencillo (Parte 31): Algoritmos evolutivos"
Se ha publicado el artículo Las redes neuronales son sencillas (Parte 31): Algoritmos evolutivos:
Autor: Dmitriy Gizlyk
Aparece un error. Por favor, dígame cómo resolverlo
2022.10.21 18:23:12.259 Evolución (EURUSD,H1) 1 objetos sin borrar dejados
2022.10.21 18:23:12.259 Evolución (EURUSD,H1) 1 objeto de tipo CBufferFloat dejado
2022.10.21 18:23:12.259 Evolución (EURUSD,H1) 1280 bytes de memoria filtrada
2022.10.21 18:23:13.785 Evolución (EURUSD,H1) EURUSD_PERIOD_H1_Evolution.nnw
2022.10.21 18:23:13.858 Evolución (EURUSD,H1) OpenCL: GPU device 'NVIDIA GeForce RTX 3080' selected
2022.10.21 18:23:16.085 Evolución (EURUSD,H1) Error de ejecución kernel SoftMax FeedForward: 5109
2022.10.21 18:23:16.085 Evolución (EURUSD,H1) Tren -> 206
En el log
2022.10.21 18:23:12.281 Experts experts Evolution (EURUSD,H1) loaded successfully
Aparece un error. Por favor, dígame cómo resolverlo
2022.10.21 18:23:12.259 Evolución (EURUSD,H1) 1 objetos sin borrar dejados
2022.10.21 18:23:12.259 Evolución (EURUSD,H1) 1 objeto de tipo CBufferFloat dejado
2022.10.21 18:23:12.259 Evolución (EURUSD,H1) 1280 bytes de memoria filtrada
2022.10.21 18:23:13.785 Evolución (EURUSD,H1) EURUSD_PERIOD_H1_Evolution.nnw
2022.10.21 18:23:13.858 Evolution (EURUSD,H1) OpenCL: GPU device 'NVIDIA GeForce RTX 3080' selected
2022.10.21 18:23:16.085 Evolution (EURUSD,H1) Error de ejecución kernel SoftMax FeedForward: 5109
2022.10.21 18:23:16.085 Evolution (EURUSD,H1) Train -> 206
En el registro
2022.10.21 18:23:12.281 Expertos expertos Evolution (EURUSD,H1) cargado con éxito
Intente reducir el tamaño de la población. Ponlo en 5-10 para el experimento. Si el error desaparece, entonces auméntalo. Y encuentra experimentalmente el límite aceptable.
Intente reducir el tamaño de la población. Ajústalo a 5-10 para el experimento. Si el error desaparece, auméntelo. Y encuentre experimentalmente el límite aceptable.
Lo intenté, lo fijé de 5 a 10, y probé uno. El mismo error:
2022.10.22 01:42:08.768 Evolution (EURUSD,H1) Error de ejecución kernel SoftMax FeedForward: 5109.
Me he dado cuenta de algo, tal vez debido a esto: al guardar un modelo, aparecen las siguientes inscripciones en la parte izquierda de la ventana: "Error de carga del modelo, Seleccionar archivo, id de error: 5004". Tal vez esto tenga algún efecto.
Además: ¡el archivo creado debería pesar 16 megabytes! Es inusual ver tales tamaños en mql.
UPD
Lo he probado en mi portátil, y tampoco quiere entrenar:
2022.10.22 13:07:36.028 Evolution (EURUSD,H1) EURUSD_PERIOD_H1_Evolution.nnw
2022.10.22 13:07:36.028 Evolution (EURUSD,H1) OpenCL: GPU device 'Intel(R) UHD Graphics' selected
2022.10.22 13:07:37.567 Evolution (EURUSD,H1) Quedan 9 objetos sin borrar
2022.10.22 13:07:37.567 Evolution (EURUSD,H1) 1 objeto de tipo CLayer queda
2022.10.22 13:07:37.567 Evolution (EURUSD,H1) 1 objeto de tipo CNeuronBaseOCL queda
2022.10.22 13:07:37.567 Evolution (EURUSD,H1) 7 objects of type CBufferFloat left
2022.10.22 13:07:37.567 Evolution (EURUSD,H1) 2688 bytes of leaked memory
En log:
2022.10.22 13:07:34.716 Expertos experto Evolution (EURUSD,H1) cargado con éxito
2022.10.22 13:07:37.568 Expertos inicialización de Evolution (EURUSD,H1) falló con código 1
2022.10.22 13:07:37.580 Expertos experto Evolution (EURUSD,H1) eliminado
Me he dado cuenta de algo, quizá debido a esto: al guardar un modelo, aparecen las siguientes inscripciones en la parte izquierda de la ventana: "Error de carga del modelo, Seleccionar archivo, id de error: 5004". Quizás esto tenga algún efecto.
Esto no es un error, NetCreator sólo está tratando de cargar el modelo en el lado izquierdo. y no se especifica ningún archivo. El error 5004 es un error al abrir un archivo.
Cuando se prueba repetidamente la misma sección del historial del modelo entrenado , el resultado es aleatorio
Cuando se prueba repetidamente la misma sección del historial del modelo entrenado , el resultado es aleatorio
Esto es posible con un modelo no entrenado o cuando los datos analizados no permiten decantarse por una acción. Como puede verse, el algoritmo utiliza la selección aleatoria de una acción a partir de una distribución de probabilidades. Si el modelo genera probabilidades iguales para todas las acciones, obtendremos un resultado aleatorio en la salida.
Usted escribió: "El proceso de formación de modelos ya se ha descrito en artículos anteriores. No me detendré en ellos".
Entiendo que no quieras repetir, pero ¿podrías al menos dar a tus lectores una referencia al artículo donde pueden encontrar esa información
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Redes neuronales: así de sencillo (Parte 31): Algoritmos evolutivos:
En el artículo anterior, comenzamos a analizar los métodos de optimización sin gradiente, y también nos familiarizamos con el algoritmo genético. Hoy continuaremos con el tema iniciado, y estudiaremos otra clase de algoritmos evolutivos.
Después de la optimización, hemos probado el modelo en el simulador de estrategias, Para probar el modelo, hemos utilizado el asesor Evolution-test.mq5, que es una copia exacta del asesor usado varios artículos atrás. Los cambios han afectado solo al nombre del archivo del modelo cargado. Podrá encontrar el código completo del asesor en el archivo adjunto.
Hemos realizado pruebas para el periodo de las últimas 2 semanas no incluidas en la muestra de entrenamiento. Es decir, las pruebas se han realizado en condiciones lo más próximas posibles a las reales. Los resultados de las pruebas han mostrado la viabilidad del enfoque propuesto. En el gráfico a continuación, podemos ver la dinámica de aumento del balance. En general, hemos realizado 107 transacciones durante el periodo de prueba. De estas, casi el 55% han sido rentables. Sí, la proporción de operaciones rentables respecto a operaciones perdedoras está próxima a 1:1, pero la operación ganadora promedio es un 43% más alta que la operación perdedora promedio, lo cual en general ha ofrecido un factor de beneficio de 1,69, mientras que el factor de recuperación ha llegado a 3,39.
Autor: Dmitriy Gizlyk