![ニューラルネットワークが簡単に(第20部):オートエンコーダ](https://c.mql5.com/2/49/Neural_Networks_Easy_012_600x314.jpg)
ニューラルネットワークが簡単に(第20部):オートエンコーダ
教師なし学習アルゴリズムの研究を続けます。読者の中には、最近の記事とニューラルネットワークの話題の関連性について疑問を持つ人もいるかもしれません。この新しい記事では、ニューラルネットワークの研究に戻ります。
![ニューラルネットワークの実験(第2回):スマートなニューラルネットワークの最適化](https://c.mql5.com/2/51/neural_network_experiments_p2_600x314.jpg)
ニューラルネットワークの実験(第2回):スマートなニューラルネットワークの最適化
この記事では、実験と非標準的なアプローチを使用して、収益性の高い取引システムを開発し、ニューラルネットワークがトレーダーに役立つかどうかを確認します。ニューラルネットワークを取引に活用するための自給自足ツールとしてMetaTrader 5を使用します。
![初心者のためのMetaTrader 5とRによるアルゴリズム取引](https://c.mql5.com/2/64/Algorithmic_Trading_With_MetaTrader_5_And_R_For_Beginners_600x314.jpg)
初心者のためのMetaTrader 5とRによるアルゴリズム取引
RとMetaTrader 5をシームレスに統合する技術を解き明かしながら、金融分析とアルゴリズム取引が出会う魅力的な探求に乗り出しましょう。この記事は、MetaTrader 5の強力な取引機能とRの精巧な分析の領域を橋渡しするためのガイドです。
![ニューラルネットワークが簡単に(第44回):ダイナミクスを意識したスキルの習得](https://c.mql5.com/2/55/Neural_Networks_are_Just_a_Part_600x314.jpg)
ニューラルネットワークが簡単に(第44回):ダイナミクスを意識したスキルの習得
前回は、様々なスキルを学習するアルゴリズムを提供するDIAYN法を紹介しました。習得したスキルはさまざまな仕事に活用できます。しかし、そのようなスキルは予測不可能なこともあり、使いこなすのは難しくなります。この記事では、予測可能なスキルを学習するアルゴリズムについて見ていきます。
![ニューラルネットワークが簡単に(第28部):方策勾配アルゴリズム](https://c.mql5.com/2/49/Neural_Networks_Easy_020_600x314.jpg)
ニューラルネットワークが簡単に(第28部):方策勾配アルゴリズム
強化学習法の研究を続けます。前回は、Deep Q-Learning手法に触れました。この手法では、特定の状況下でとった行動に応じて、これから得られる報酬を予測するようにモデルを訓練します。そして、方策と期待される報酬に応じた行動がとられます。ただし、Q関数を近似的に求めることは必ずしも可能ではありません。その近似が望ましい結果を生み出さないこともあります。このような場合、効用関数ではなく、行動の直接的な方針(戦略)に対して、近似的な手法が適用されます。その1つが方策勾配です。
![ニューラルネットワークが簡単に(第61回):オフライン強化学習における楽観論の問題](https://c.mql5.com/2/59/NN_easy_61_SPLT_V2__600x314.jpg)
ニューラルネットワークが簡単に(第61回):オフライン強化学習における楽観論の問題
オフライン訓練では、訓練サンプルデータに基づいてエージェントの方策を最適化します。その結果、エージェントは自分の行動に自信を持つことができます。しかし、そのような楽観論は必ずしも正当化されるとは限らず、模型の操作中にリスクを増大させる可能性があります。今日は、こうしたリスクを軽減するための方法の1つを紹介しましょう。
![ニューラルネットワークが簡単に(第19部):MQL5を使用したアソシエーションルール](https://c.mql5.com/2/49/Neural_Networks_Easy_011_600x314.jpg)
ニューラルネットワークが簡単に(第19部):MQL5を使用したアソシエーションルール
アソシエーションルールの検討を続けます。前回の記事では、このタイプの問題の理論的側面について説明しました。この記事では、MQL5を使用したFPGrowthメソッドの実装を紹介します。また、実装したソリューションを実際のデータを使用してテストします。
![ニューラルネットワークが簡単に(第49回):Soft Actor-Critic](https://c.mql5.com/2/56/Neural_Networks_are_Easy_Part_49_600x314.jpg)
ニューラルネットワークが簡単に(第49回):Soft Actor-Critic
連続行動空間の問題を解決するための強化学習アルゴリズムについての議論を続けます。この記事では、Soft Actor-Critic (SAC)アルゴリズムについて説明します。SACの主な利点は、期待される報酬を最大化するだけでなく、行動のエントロピー(多様性)を最大化する最適な方策を見つけられることです。
![一からの取引エキスパートアドバイザーの開発(第14部):価格別出来高の追加((II)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_from_scratch_005_600x314.jpg)
一からの取引エキスパートアドバイザーの開発(第14部):価格別出来高の追加((II)
今日は、EAにいくつかのリソースを追加します。この興味深い記事では、情報を提示するためのいくつかの新しいアイデアと方法を提供します。同時に、プロジェクトの小さな欠陥を修正するのにも役立ちます。
![ニューラルネットワークが簡単に(第65回):Distance Weighted Supervised Learning (DWSL)](https://c.mql5.com/2/61/Neural_Networks_Made_Easy_kPart_659_DWSL_600x314.jpg)
ニューラルネットワークが簡単に(第65回):Distance Weighted Supervised Learning (DWSL)
この記事では、教師あり学習法と強化学習法の交差点で構築された興味深いアルゴリズムに触れます。
![ニューラルネットワークが簡単に(第23部):転移学習用ツールの構築](https://c.mql5.com/2/49/Neural_Networks_Easy_015_600x314.jpg)
ニューラルネットワークが簡単に(第23部):転移学習用ツールの構築
転移学習については当連載ですでに何度も言及していますが、これはただの言及でした。この記事では、このギャップを埋めて、転移学習の詳しい調査を提案します。
![知っておくべきMQL5ウィザードのテクニック(第02回):コホネンマップ](https://c.mql5.com/2/49/kohonen-maps_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第02回):コホネンマップ
この連載では、MQL5ウィザードがトレーダーの主力であるべきことを示します。なぜでしょうか。MQL5ウィザードを使用すれば、新しいアイデアを組み立てることで時間を節約できるだけでなく、コーディングの重複によるミスを大幅に減らすことができるため、最終的に、取引の哲学のいくつかの重要な分野にエネルギーを注ぐことができるからです。
![データサイエンスと機械学習—ニューラルネットワーク(第02回):フィードフォワードNNアーキテクチャの設計](https://c.mql5.com/2/49/feed_forward_nn_architectures_design_600x314.jpg)
データサイエンスと機械学習—ニューラルネットワーク(第02回):フィードフォワードNNアーキテクチャの設計
フィードフォワード(予測制御)ニューラルネットワークについて説明する前に、少し説明しておくことがあって、設計もその1つです。入力、隠れ層の数、および各ネットワークのノードに対する柔軟なニューラルネットワークを構築および設計する方法を見てみましょう。
![データサイエンスと機械学習(第17回):木の中のお金?外国為替取引におけるランダムフォレストの芸術と科学](https://c.mql5.com/2/63/midjourney_image_13765_54_491_3_600x314.jpg)
データサイエンスと機械学習(第17回):木の中のお金?外国為替取引におけるランダムフォレストの芸術と科学
金融情勢を解読する際の芸術性と正確性の融合についてガイドします。アルゴリズム錬金術の秘密を発見してください。ランダムフォレストがデータを予測能力に変換する方法を明らかにし、株式市場の複雑な地形をナビゲートするための独自の視点を提供します。金融の魔術の核心に触れ、市場の動向を形作り、収益の機会を開拓するランダムフォレストの役割を解き明かす旅にご参加ください。
![MQL5の圏論(第18回):ナチュラリティスクエア(自然性の四角形)](https://c.mql5.com/2/57/category-theory-p18_600x314.jpg)
MQL5の圏論(第18回):ナチュラリティスクエア(自然性の四角形)
この記事では、圏論の重要な柱である自然変換を紹介します。一見複雑に見える定義に注目し、次に本連載の「糧」であるボラティリティ予測について例と応用を掘り下げていきます。
![MQL5における修正グリッドヘッジEA(第1部):シンプルなヘッジEAを作る](https://c.mql5.com/2/62/Modified_Grid-Hedge_EA_in_MQL5_qPart_Il_Making_a_Simple_Hedge_EA_600x314.jpg)
MQL5における修正グリッドヘッジEA(第1部):シンプルなヘッジEAを作る
古典的なグリッド戦略と古典的なヘッジ戦略を混合した、より高度なグリッドヘッジEAのベースとして、シンプルなヘッジEAを作成する予定です。この記事が終わるころには、簡単なヘッジ戦略の作り方がわかり、この戦略が本当に100%儲かるかどうかについての人々の意見も知ることができるでしょう。
![ニューラルネットワークが簡単に(第45回):状態探索スキルの訓練](https://c.mql5.com/2/55/Neural_Networks_Part_45_600x314.jpg)
ニューラルネットワークが簡単に(第45回):状態探索スキルの訓練
明示的な報酬関数なしに有用なスキルを訓練することは、階層的強化学習における主な課題の1つです。前回までに、この問題を解くための2つのアルゴリズムを紹介しましたが、環境調査の完全性についての疑問は残されています。この記事では、スキル訓練に対する異なるアプローチを示します。その使用は、システムの現在の状態に直接依存します。
![ニューラルネットワークが簡単に(第57回):Stochastic Marginal Actor-Critic (SMAC)](https://c.mql5.com/2/57/stochastic_marginal_actor_critic_600x314.jpg)
ニューラルネットワークが簡単に(第57回):Stochastic Marginal Actor-Critic (SMAC)
今回は、かなり新しいStochastic Marginal Actor-Critic (SMAC)アルゴリズムを検討します。このアルゴリズムは、エントロピー最大化の枠組みの中で潜在変数方策を構築することができます。
![リプレイシステムの開発 - 市場シミュレーション(第17回):ティックそしてまたティック(I)](https://c.mql5.com/2/55/replay-p17_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第17回):ティックそしてまたティック(I)
ここでは、非常に興味深いものを実装する方法を見ていきますが、同時に、非常にわかりにくい点があるため非常に難しくなります。起こり得る最悪の事態は、自分をプロだと思っている一部のトレーダーが、資本市場におけるこれらの概念の重要性について何も知らないことです。さて、ここではプログラミングに焦点を当てていますが、私たちが実装しようとしているものにとって最も重要なのは市場取引に伴う問題のいくつかを理解することです。
![価格変動モデルとその主な規定(第3回):証券取引所の投機の最適なパラメータを計算する](https://c.mql5.com/2/56/The_price_movement_model_and_its_main_points_Part_3_600x314.jpg)
価格変動モデルとその主な規定(第3回):証券取引所の投機の最適なパラメータを計算する
確率論に基づき著者が開発した工学的アプローチの枠組みの中で、利益を生むポジションを建てるための条件を見つけ、最適な(利益を最大化する)利食いと損切りの値を計算します。
![ニューラルネットワークが簡単に(第62回):階層モデルにおけるDecision Transformerの使用](https://c.mql5.com/2/59/Neural_networks_are_easy_aPart_62o_600x314.jpg)
ニューラルネットワークが簡単に(第62回):階層モデルにおけるDecision Transformerの使用
最近の記事で、Decision Transformerを使用するためのいくつかの選択肢を見てきました。この方法では、現在の状態だけでなく、以前の状態の軌跡や、その中でおこなわれた行動も分析することができます。この記事では、階層モデルにおけるこの方法の使用に焦点を当てます。
![MQL5行列を使用した誤差逆伝播法によるニューラルネットワーク](https://c.mql5.com/2/51/ljsnhuhb0-oo9q-wpjy41jz4-qm54hcjep42jwc1-eptmus-qs-mvfbuysh_600x314.jpg)
MQL5行列を使用した誤差逆伝播法によるニューラルネットワーク
この記事では、行列を使用してMQL5で誤差逆伝播法(バックプロパゲーション)アルゴリズムを適用する理論と実践について説明します。スクリプト、インジケータ、エキスパートアドバイザー(EA)の例とともに、既製のクラスが提示されます。
![ニューラルネットワークが簡単に(第54回):ランダムエンコーダを使った効率的な研究(RE3)](https://c.mql5.com/2/57/random_encoder_for_efficient_exploration_054_600x314.jpg)
ニューラルネットワークが簡単に(第54回):ランダムエンコーダを使った効率的な研究(RE3)
強化学習手法を検討するときは常に、環境を効率的に探索するという問題に直面します。この問題を解決すると、多くの場合、アルゴリズムが複雑になり、追加モデルの訓練が必要になります。この記事では、この問題を解決するための別のアプローチを見ていきます。
![リプレイシステムの開発 - 市場シミュレーション(第8回):指標のロック](https://c.mql5.com/2/54/replay-p8_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第8回):指標のロック
この記事では、MQL5言語を使用しながら指標をロックする方法を見ていきます。非常に興味深く素晴らしい方法でそれをおこないます。
![多層パーセプトロンとバックプロパゲーションアルゴリズム(その3):ストラテジーテスターとの統合 - 概要(I)](https://c.mql5.com/2/51/Perceptron_Multicamadas_e_o_Algoritmo_Backpropagation_600x314.jpg)
多層パーセプトロンとバックプロパゲーションアルゴリズム(その3):ストラテジーテスターとの統合 - 概要(I)
多層パーセプトロンは、非線形分離可能な問題を解くことができる単純なパーセプトロンを進化させたものです。バックプロパゲーションアルゴリズムと組み合わせることで、このニューラルネットワークを効果的に学習させることができます。多層パーセプトロンとバックプロパゲーション連載第3回では、このテクニックをストラテジーテスターに統合する方法を見ていきます。この統合により、取引戦略を最適化するためのより良い意思決定を目的とした複雑なデータ分析が可能になります。この記事では、このテクニックの利点と問題点について説明します。
![ニューラルネットワークが簡単に(第30部):遺伝的アルゴリズム](https://c.mql5.com/2/49/Neural_Networks_Easy_022_600x314.jpg)
ニューラルネットワークが簡単に(第30部):遺伝的アルゴリズム
今日はちょっと変わった学習法を紹介したいと思います。ダーウィンの進化論からの借用と言えます。先に述べた手法よりも制御性は劣るでしょうが、非差別的なモデルの訓練が可能です。
![リプレイシステムの開発 - 市場シミュレーション(第16回):新しいクラスシステム](https://c.mql5.com/2/55/replay-p16_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第16回):新しいクラスシステム
もっと仕事を整理する必要があります。コードはどんどん大きくなっており、今やらなければ不可能になります。分割して征服しましょう。MQL5では、このタスクを実行するのに役立つクラスを使用することができますが、そのためにはクラスに関する知識が必要です。おそらく初心者を最も混乱させるのは継承でしょう。この記事では、これらのメカニズムを実用的かつシンプルな方法で使用する方法を見ていきます。
![MQL5の圏論(第21回):LDAによる自然変換](https://c.mql5.com/2/58/Category-Theory-p21_600x314.jpg)
MQL5の圏論(第21回):LDAによる自然変換
連載21回目となるこの記事では、自然変換と、線形判別分析を使ったその実装方法について引き続き見ていきます。前回同様、シグナルクラス形式でその応用例を紹介します。
![データサイエンスと機械学習(第20回):アルゴリズム取引の洞察、MQL5でのLDAとPCAの対決](https://c.mql5.com/2/70/Data_Science_and_Machine_Learning_Part_20_Algorithmic_Trading_Insightsx_A_Faceoff_Between_LDA_and_PC.jpg)
データサイエンスと機械学習(第20回):アルゴリズム取引の洞察、MQL5でのLDAとPCAの対決
MQL5取引環境での適用を解剖しながら、これらの強力な次元削減テクニックに隠された秘密を解き明かしていきます。線形判別分析(LDA)と主成分分析(PCA)のニュアンスを深く理解し、戦略開発と市場分析への影響を深く理解します。
![知っておくべきMQL5ウィザードのテクニック(第10回):型破りなRBM](https://c.mql5.com/2/64/MQL5_Wizard_Techniques_you_should_know_6Part_10i_The_Unconventional_RBM_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第10回):型破りなRBM
制限ボルツマンマシン(Restrictive Boltzmann Machine、RBM)は、基本的なレベルでは、次元削減による教師なし分類に長けた2層のニューラルネットワークです。その基本原理を採用し、常識にとらわれない方法で設計し直して訓練すれば有用なシグナルフィルタが得られるかどうかを検証します。
![リプレイシステムの開発 - 市場シミュレーション(第13回):シミュレーターの誕生(III)](https://c.mql5.com/2/54/replay-p13_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第13回):シミュレーターの誕生(III)
ここでは、次回以降の仕事に関連するいくつかの要素を簡略化します。シミュレーターが生成するランダム性を視覚化する方法も説明しましょう。
![MVCデザインパターンとその可能なアプリケーション(第2部): 3つのコンポーネント間の相互作用の図](https://c.mql5.com/2/44/MVC.png)
![MVCデザインパターンとその可能なアプリケーション(第2部): 3つのコンポーネント間の相互作用の図](https://c.mql5.com/i/articles/overlay.png)
MVCデザインパターンとその可能なアプリケーション(第2部): 3つのコンポーネント間の相互作用の図
本稿は、前の記事で説明したMQLプログラムのMVCパターンのトピックの続きです。この記事では、パターンの3つのコンポーネント間の可能な相互作用の図を検討します。
![ニューラルネットワークが簡単に(第64回):ConserWeightive Behavioral Cloning (CWBC)法](https://c.mql5.com/2/60/Neural_networks_made_easy_mPart_64s_CWBC_600x314.jpg)
ニューラルネットワークが簡単に(第64回):ConserWeightive Behavioral Cloning (CWBC)法
以前の記事でおこなったテストの結果、訓練された戦略の最適性は、使用する訓練セットに大きく依存するという結論に達しました。この記事では、モデルを訓練するための軌道を選択するための、シンプルかつ効果的な手法を紹介します。
![ニューラルネットワークが簡単に(第24部):転移学習用ツールの改善](https://c.mql5.com/2/49/Neural_Networks_Easy_016_600x314.jpg)
ニューラルネットワークが簡単に(第24部):転移学習用ツールの改善
前回の記事では、ニューラルネットワークのアーキテクチャを作成および編集するためのツールを作成しました。今日はこのツールでの作業を続けて、より使いやすくします。これは、私たちのトピックから一歩離れていると思われるかもしれませんが、うまく整理されたワークスペースは、結果を達成する上で重要な役割を果たすと思われないでしょうか。
![データサイエンスと機械学習(第16回):決定木を見直す](https://c.mql5.com/2/62/midjourney_image_13862_46_406_3_600x314.jpg)
データサイエンスと機械学習(第16回):決定木を見直す
連載「データサイエンスと機械学習」の最新作で、決定木の複雑な世界に飛び込みましょう。戦略的な洞察を求めるトレーダーのために、この記事は包括的な総括として、市場動向の分析において決定木が果たす強力な役割に光を当てています。これらのアルゴリズム木の根と枝を探り、取引の意思決定を強化する可能性を解き明かします。決定木について新たな視点から学び、複雑な金融市場をナビゲートする上で、決定木をどのように味方にできるかを発見しましょう。
![知っておくべきMQL5ウィザードのテクニック(第09回):K平均法とフラクタル波の組み合わせ](https://c.mql5.com/2/62/midjourney_image_13915_50_439_5_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第09回):K平均法とフラクタル波の組み合わせ
K平均法では、まず無作為に生成されたクラスタ重心を使用するデータセットのマクロビューに焦点を当てたプロセスとしてデータポイントを集団化するアプローチを採用し、その後ズームインしてこれらの重心を調整してデータセットを正確に表現します。これを見て、その使用例をいくつか活用していきます。
![ニューラルネットワークが簡単に(第55回):対照的内発制御(Contrastive intrinsic control、CIC)](https://c.mql5.com/2/57/cic-055_600x314.jpg)
ニューラルネットワークが簡単に(第55回):対照的内発制御(Contrastive intrinsic control、CIC)
対照訓練は、教師なしで表現を訓練する方法です。その目標は、データセットの類似点と相違点を強調するためにモデルを訓練することです。この記事では、対照訓練アプローチを使用してさまざまなActorスキルを探究する方法について説明します。
![ニューラルネットワークが簡単に(第66回):オフライン学習における探索問題](https://c.mql5.com/2/61/Neural_networks_are_easy_Part_66_600x314.jpg)
ニューラルネットワークが簡単に(第66回):オフライン学習における探索問題
モデルは、用意された訓練データセットのデータを使用してオフラインで訓練されます。一定の利点がある反面、環境に関する情報が訓練データセットのサイズに大きく圧縮されてしまうというマイナス面もあります。それが逆に、探求の可能性を狭めています。この記事では、可能な限り多様なデータで訓練データセットを埋めることができる方法について考えます。