記事「ニューラルネットワークを簡単に(第42回）：先延ばしのモデル、理由と解決策」についてのディスカッション
こんにちは、ディミトリ。新作をありがとう。私もグラフを直線にしようとしていました。その理由がわかりました。どのような Study2 の結果が許容範囲と考えられるか教えていただけますか？テストはまだ意味のあるアクションを示しておらず、すべてのバーで買いとフィルをオープンしています。
ところで、NeuroNet_DNG フォルダは前回の EA からドラッグする必要がありました。もしあなたがそれに変更を加えたのであれば、私は壁に頭を打ちつけています。
こんにちは、ディミトリ。新作をありがとう。私もグラフを直線にしようとしていました。その理由がわかりました。どのような Study2 の結果が許容範囲と考えられるか教えてください。テストはまだ意味のあるアクションを示しておらず、すべてのバーで買いとフィルをオープンしています。
ところで、NeuroNet_DNGフォルダは前回のEAからドラッグする必要がありました。もし変更したのであれば、私は壁に頭を打ちつけています。
最新版のファイルは添付ファイルにあります。
ドミトリー、こんにちは。このExpert Advisorをどの程度トレーニングしたら、マイナスでも少なくとも意味のある取引ができるようになったのか教えてください。私の場合、全く取引しようとしないか、多くの取引を開始し、4ヶ月の全期間を通過することができません。同時に、残高は静止し、株式は浮いている。エージェントは1人か2人で、残りはゼロです。最初のサンプルはいろいろ試してみた。
-例えば50ドルから30-40の例を始め、Stady2(デフォルトで100000)の各パスの後に、1-2例をサイクルで追加した。
-35ドルから......たとえば、最初に130-150例、そしてStady2(デフォルトで100000)の各パスの後に、ループで1-2例を追加。
- 50$ からは、最初に 15 例を用い、500000 と 2000000 の Stady2 のトレーニングには何も追加しません。
すべてのバリエーションで結果は同じです - 動作しません、学習しません。さらに、例えば2-300万回繰り返した後、また何も表示されないかもしれません。
取引を開始したり終了したりするには、いくら（数字で）学習させる必要がありますか？
こんにちは、ドミトリー！あなたは素晴らしい先生であり、指導者でした！
トレーニングに成功した後、私は99％の勝率を達成することができました。しかし、売りのみです。no buy trades
これがスクリーンショットです:
350733414_605596475011106_6366687350579423076_n.png (1909×682) (fbcdn.net)
ドミトリー、
この記事を読んで、最終的に提示されたモデルは、ショートトレードの識別には優れているが、ロングトレードの識別には全く成功していない。ショートトレードを補完するためにロングトレードモデルが 必要です。 ロングモデルは、いくつかの仮定を逆転させることで開発できると思いますか、それとも39番の記事で紹介されているToe Go Exploreのような全く新しいモデルが必要だと思いますか？
あなたの現在の努力に敬意を表し、今後の努力を応援します。
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
新しい記事「 ニューラルネットワークが簡単に (第42回）：先延ばしのモデル、理由と解決策」はパブリッシュされました:
強化学習の文脈では、モデルの先延ばしにはいくつかの理由があります。この記事では、モデルの先延ばしの原因として考えられることと、それを克服するための方法について考察しています。
モデルを先延ばしにする主な理由のひとつは、訓練環境が不十分であることです。モデルは、訓練データへのアクセスが制限されていたり、リソースが不足していたりする可能性があります。この問題を解決するには、データセットを作成または更新し、訓練例の多様性を増やし、計算能力や事前訓練済みモデルなどの追加的な訓練リソースを適用する必要があります。
モデルを先延ばしにするもう1つの理由は、解決すべきタスクの複雑さや、多くの計算資源を必要とする訓練アルゴリズムの使用かもしれません。この場合の解決策は、問題やアルゴリズムを単純化し、計算プロセスを最適化し、より効率的なアルゴリズムや分散学習を用いることでしょう。
目標達成への動機が低ければ、モデルは先延ばしにするかもしれません。モデルに対して明確で適切な目標を設定し、その目標達成にインセンティブを与える報酬関数を設計し、報酬や罰則などの強化技術を使用することで、この問題を解決することができます。
モデルがフィードバックを受け取らなかったり、新しいデータに基づいて更新されなかったりすると、開発が先延ばしになる可能性があります。その解決策は、新しいデータとフィードバックに基づく定期的なモデル更新サイクルを確立し、学習の進捗状況を管理監視するメカニズムを開発することです。
モデルの進歩や学習成果を定期的に評価することが重要です。これは、進捗状況を確認し、起こりうる問題やボトルネックを特定するのに役立ちます。定期的な評価によって、訓練の遅れを避けるために、訓練プロセスを適時に調整することができます。
作者: Dmitriy Gizlyk