Discussão do artigo "Redes neurais de maneira fácil (Parte 42): Procrastinação do modelo, causas e métodos de resolução"
Olá, Dimitri. Obrigado pelo novo trabalho. Eu também estava tentando obter uma linha reta no gráfico. Agora entendo o motivo. Você pode me dizer quais resultados do Study2 podem ser considerados aceitáveis? O teste ainda não mostra nenhuma ação significativa, ele abriu uma compra e preenche todas as barras.
A propósito, a pasta NeuroNet_DNG teve de ser arrastada do último EA. Se você fez alterações nela, estou batendo minha cabeça contra a parede.
Olá, Dimitri. Obrigado pelo novo trabalho. Eu também estava tentando obter uma linha reta no gráfico. Agora entendo o motivo. Você pode me dizer quais resultados do Study2 podem ser considerados aceitáveis? O teste ainda não mostra nenhuma ação significativa, ele abriu uma compra e preenche todas as barras.
A propósito, a pasta NeuroNet_DNG teve de ser arrastada do último EA. Se você fez alterações nela, estou batendo minha cabeça contra a parede.
As versões mais recentes dos arquivos estão no anexo
Olá, Dmitry. Você pode me dizer o quanto treinou esse Expert Advisor para que ele começasse a fazer pelo menos algumas negociações significativas, mesmo em menos. Ele simplesmente não tenta negociar, ou abre um monte de negociações e não consegue passar o período inteiro de quatro meses. Ao mesmo tempo, o saldo fica parado e o patrimônio líquido está flutuando. Ele usa um ou dois agentes, os demais são zeros. A amostra inicial tentou ser diferente.
-A partir de US$ 50, por exemplo, 30 a 40 exemplos no início e depois de cada passagem do Stady2 (100.000 por padrão) e, em seguida, adicionamos 1 a 2 exemplos em um ciclo.
-A partir de US$ 35, por exemplo, 130-150 exemplos no início e depois de cada passagem do Stady2 (100000 por padrão) e, em seguida, adicionei 1-2 exemplos em um ciclo.
- A partir de US$ 50, com 15 exemplos no início e sem adicionar nada para treinar o Stady2 em 500000 e 2000000.
Com todas as variantes, o resultado é o mesmo: não funciona, não aprende. Além disso, depois de 2 a 3 milhões de iterações, por exemplo, ele pode muito bem não mostrar nada novamente - simplesmente não negocie.
Quanto (em números) deve ser treinado para começar a abrir e fechar negociações?
Olá, Dmitry! Você foi um ótimo professor e mentor!
Depois de um treinamento bem-sucedido, consegui atingir uma taxa de ganho de 99%. No entanto, ele só vendia negociações. nenhuma negociação de compra
Aqui está uma captura de tela:
350733414_605596475011106_6366687350579423076_n.png (1909×682) (fbcdn.net)
Dmitriy,
Estou acompanhando seus artigos para aprender o máximo possível, pois seu conhecimento e experiência estão muito além de mim. Depois de ler o artigo, ocorreu-me que, embora o modelo final apresentado seja excelente na identificação de negociações curtas e totalmente malsucedido na identificação de negociações longas, ele poderia fazer parte de uma solução de negociação de duas camadas.Você acha que o modelo longo poderia ser desenvolvido invertendo algumas das suposições ou seria necessário um modelo totalmente novo, como o Go Explore no artigo nº 39?
Parabéns por seus esforços atuais e apoio em seus empreendimentos futuros
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Redes neurais de maneira fácil (Parte 42): Procrastinação do modelo, causas e métodos de resolução foi publicado:
A procrastinação de modelos no contexto do aprendizado por reforço pode ser causada por vários motivos, e a solução desse problema requer medidas apropriadas. Este artigo discute algumas das possíveis causas da procrastinação do modelo e métodos para superá-las.
Uma das principais causas da procrastinação do modelo é o ambiente de treinamento insuficiente. O modelo pode enfrentar acesso limitado a dados de treinamento ou recursos insuficientes. A solução desse problema envolve a criação ou atualização do conjunto de dados, o aumento da diversidade dos exemplos de treinamento e a adição de recursos adicionais para treinamento, como poder computacional ou modelos pré-treinados para aprendizado transferido.
Outra causa da procrastinação do modelo pode ser a complexidade da tarefa que ele deve resolver. Ou o uso de um algoritmo de aprendizado que requer uma grande quantidade de recursos computacionais. Nesse caso, a solução pode envolver a simplificação da tarefa ou do algoritmo, otimização dos processos computacionais, utilização de algoritmos mais eficientes ou aprendizado distribuído.
O modelo pode procrastinar se não tiver motivação para alcançar os objetivos estabelecidos. Definir metas claras e relevantes para o modelo, desenvolver uma função de recompensa que estimule o alcance dessas metas e usar técnicas de reforço, como a introdução de recompensas e penalidades, pode ajudar a resolver esse problema.
Se o modelo não receber feedback ou não for atualizado com base em novos dados, ele pode procrastinar em seu desenvolvimento. A solução envolve estabelecer ciclos regulares de atualização do modelo com base em novos dados e feedback, além de desenvolver mecanismos para controlar e monitorar o progresso do treinamento.
É importante avaliar regularmente o progresso do modelo e os resultados do treinamento. Isso ajudará a identificar os sucessos alcançados e a detectar possíveis problemas ou áreas de dificuldade. Avaliações regulares permitirão fazer ajustes no processo de treinamento a tempo e evitar atrasos nas tarefas.
Autor: Dmitriy Gizlyk