Discusión sobre el artículo "Redes neuronales: así de sencillo (Parte 42): Procrastinación del modelo, causas y métodos de solución"
Hola, Dimitri. Gracias por el nuevo trabajo. Yo también estaba tratando de obtener una línea recta en el gráfico. Ahora entiendo por qué. ¿Puedes decirme qué resultados del Estudio2 pueden considerarse aceptables? La prueba no muestra ninguna acción significativa todavía, abrió una compra y rellena en cada barra.
Por cierto, la carpeta NeuroNet_DNG tuvo que ser arrastrada desde el último EA. Si ha realizado cambios en él, me estoy golpeando la cabeza contra la pared.
Hola, Dimitri. Gracias por el nuevo trabajo. Yo también estaba tratando de obtener una línea recta en el gráfico. Ahora entiendo por qué. ¿Puedes decirme qué resultados del Estudio2 pueden considerarse aceptables? La prueba no muestra ninguna acción significativa todavía, abrió una compra y rellena en cada barra.
Por cierto, la carpeta NeuroNet_DNG tuvo que ser arrastrado desde el último EA. Si ha realizado cambios en él, me estoy golpeando la cabeza contra la pared.
Las últimas versiones de los archivos están en el archivo adjunto
Dmitry hola. ¿Me puede decir cuánto ha entrenado a este Asesor Experto para que empezara a hacer por lo menos algunos oficios significativos, incluso en menos. Acabo de tener o bien no tratar de negociar en absoluto, o se abre un montón de operaciones y no puede pasar todo el período de 4 meses. Al mismo tiempo, el saldo se queda quieto y la equidad está flotando. Utiliza uno o dos agentes, el resto son ceros. La muestra inicial probó diferentes.
-de 50 $ por ejemplo 30-40 ejemplos al principio y luego después de cada pase de Stady2 (100000 por defecto), y luego añadió 1-2 ejemplos en un ciclo.
-desde 35$ por ejemplo 130-150 ejemplos al principio y luego después de cada pasada de Stady2 (100000 por defecto), y además añadí 1-2 ejemplos en un ciclo.
- A partir de 50 $ con 15 ejemplos al principio y no añadió nada para entrenar Stady2 en 500000 y 2000000 .
Con todas las variantes el resultado es el mismo - no funciona, no aprende. Por otra parte, después de 2-3 millones de iteraciones, por ejemplo, bien puede mostrar nada de nuevo - simplemente no operar.
¿Cuánto (en cifras) debe ser entrenado para empezar a abrir y cerrar operaciones en absoluto?
¡Hola Dmitry! ¡Fuiste un gran profesor y mentor!
Después de un entrenamiento exitoso, pude lograr una tasa de ganancias del 99%. Sin embargo, sólo vendió oficios. no comprar operaciones
Aquí está una captura de pantalla:
350733414_605596475011106_6366687350579423076_n.png (1909×682) (fbcdn.net)
Dmitriy,
Sigo tus artículos para aprender todo lo posible ya que tus conocimientos y experiencia me superan. Después de leer el artículo, se me ocurrió que aunque el modelo final presentado es excelente para identificar operaciones cortas y totalmente fallido para identificar operaciones largas, podría ser parte de una solución de trading de dos niveles.¿Cree que el modelo largo podría desarrollarse invirtiendo algunas de las suposiciones o es necesario un modelo completamente nuevo, como toe Go Explore en el artículo 39?
Saludos en sus esfuerzos actuales y apoyo para sus futuros esfuerzos.
- 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 42): Procrastinación del modelo, causas y métodos de solución:
La procrastinación del modelo en el contexto del aprendizaje por refuerzo puede deberse a varias razones, y para solucionar este problema deberemos tomar las medidas pertinentes. El artículo analiza algunas de las posibles causas de la procrastinación del modelo y los métodos para superarlas.
Una de los principales motivos de la procrastinación del modelo es un entorno de aprendizaje inadecuado: el modelo puede encontrarse con un acceso limitado a los datos de entrenamiento o con recursos insuficientes. Las soluciones a este problema pasan por crear o actualizar el conjunto de datos, aumentar la diversidad de ejemplos de entrenamiento y añadir recursos adicionales para el mismo, como potencia de cálculo o modelos preentrenados para el aprendizaje por transferencia.
Otra razón para la procrastinación de un modelo puede ser la complejidad de la tarea que tiene que resolver, o el uso de un algoritmo de aprendizaje que requiera una gran cantidad de recursos informáticos. En este caso, la solución puede consistir en simplificar el problema o el algoritmo, optimizando los procesos computacionales y utilizando algoritmos más eficientes o el aprendizaje distribuido.
Un modelo puede procrastinar si carece de motivación para alcanzar sus objetivos. Establecer objetivos claros y pertinentes para el modelo, diseñar una función de recompensa que estimule la consecución de estos objetivos y utilizar técnicas de refuerzo como la introducción de recompensas y penalizaciones pueden ayudar a resolver este problema.
Si el modelo no recibe realimentación o no se actualiza según los nuevos datos, puede procrastinar su desarrollo. La solución consiste en establecer ciclos regulares de actualización del modelo basados en los nuevos datos y realimentaciones, y desarrollar mecanismos de seguimiento y control del progreso del aprendizaje.
Es importante evaluar periódicamente el progreso del modelo y los resultados del entrenamiento. Esto ayudará a ver los progresos realizados y a identificar posibles problemas o puntos débiles. Las evaluaciones periódicas permiten realizar ajustes oportunos en su aprendizaje y evitar la procrastinación de tareas.
Autor: Dmitriy Gizlyk