記事「ニューラルネットワークが簡単に(第33部):分散型Q学習における分位点回帰」についてのディスカッション

 

新しい記事「ニューラルネットワークが簡単に(第33部):分散型Q学習における分位点回帰」はパブリッシュされました:

分散型Q学習の研究を続けます。今日は、この方法を反対側から見てみましょう。価格予測問題を解決するために、分位点回帰を利用する可能性を検討します。

NetCreatorというツールを使って訓練モデルを作成しました。このモデルのアーキテクチャは、前回までの訓練モデルのアーキテクチャと同じです。最後のSoftMaxの正規化層を削除して、モデル結果エリアが、使用された報酬方策のどの結果も再現できるようにしました。

前回と同様、EURUSDの履歴データ、H1時間枠でモデルを学習させました。訓練データセットとして、過去2年間の履歴データを使用しました。

訓練したモデルの働きは、ストラテジーテスターで検証しました。テスト用のEAQRDQN-learning-test.mqが別途作成されています。また、EAは過去の記事の類似EAを参考に作成しました。そのコードはあまり変わっていません。コード全体は添付ファイルに記載されています。

ストラテジーテスターでは、2週間という短期間で利益を生み出す能力を発揮するモデルでした。半数以上の取引が利益をもって決済されました。取引あたりの平均利益は、平均損失のほぼ2倍でした。

モデルテストグラフ

モデルテスト結果

作者: Dmitriy Gizlyk

 

こんにちは、

あなたの時間と努力に感謝します。

QRDQNをコンパイルしようとしたとき、#22の記事からVAEをつかまなければなりませんでした。

しかし、このエラーに遭遇しました、


'MathRandomNormal' - 宣言されていない識別子 VAE.mqh 92 8


22のVAEライブラリは古いのでしょうか?



 
Arjang Aghlara #:

ハイ、

あなたの時間と努力に感謝します。

QRDQNをコンパイルしようとしたとき、#22の記事からVAEをつかまなければなりませんでした。

しかし、このエラーに遭遇している、


'MathRandomNormal' - 宣言されていない識別子 VAE.mqh 92 8


22のVAEライブラリが古いのでは?



こんにちは、こちらの記事から更新されたファイルを読み込むことができますhttps://www.mql5.com/ja/articles/11619

Нейросети — это просто (Часть 31): Эволюционные алгоритмы
Нейросети — это просто (Часть 31): Эволюционные алгоритмы
  • www.mql5.com
В предыдущей статье мы начали изучение безградиентных методов оптимизации. И познакомились с генетическим алгоритмом. Сегодня мы продолжаем начатую тему. И рассмотрим ещё один класс эволюционных алгоритмов.
 
Dmitry Gizlyk # :

この記事 https://www.mql5.com/en/articles/11619 から更新されたファイルを読み込むことができます。

ご回答ありがとうございます、

そうしたら、そのエラーは直ったのですが、もう2つ出てきました。

ひとつは

'Create' - 'void' 型の式が不正です QRDQN.mqh 85 30


2

''AssignArray' - どのオーバーロードも関数呼び出しに適用できません QRDQN.mqh 149 19

QRDQN.mqh 187 19
bool CBufferFloat::AssignArray(const double&[]) NeuroNet.mqh 4107 22
bool CArrayFloat::AssignArray(const CArrayFloat*) ArrayFloat.mqh 41 22
bool CArrayFloat::AssignArray(const float&[]) ArrayFloat.mqh 40 22



 
パート32の畳み込みレイヤーの入力はパート27と同じですが、最後のレイヤーを削除して3レイヤーにしただけですか?