Обсуждение статьи "Нейросети — это просто (Часть 32): Распределенное Q-обучение"
- 3-х сверточных слоёв предварительной обработки данных,
Каковы параметры Activation, Optimization, Window, Step и Window Out у них?
- 3-х полносвязных скрытых слоёв из 1000 нейронов в каждом,
Каковы параметры Activation, Optimization у них?
- 1-го полносвязного слоя принятия решения из 45 нейронов (по 15 нейронов на 3 вероятностных распределения действий),
Каковы параметры Activation, Optimization у них?
- 1-го слоя SoftMax для нормализации вероятностных распределений.
В NetCreator указан SiftMax. У него в итоге выйдет outputs 45?
В NetCreator указан SiftMax. У него в итоге выйдет outputs 45?
Воспользуйтесь NetCreator из данной статьи. В нем добавлен параметр Heads для SoftMax. В нем необходимо указать количество возможных действий. Тогда параметр размера слоя SoftMax изменится.
Для оптимизации всех нейронных слоёв я использовал Adam. Перед SoftMax функция активация не используется. Она может сделать большое количество нейронов с одинаковым результатом на уровне границ области результатов. И SoftMax даст для них одинаковые вероятности. Что исказит результат. Здесь SoftMax является функцией активации.
Разве это не всегда ноль:
Полагаю, должно быть (Vmax-Vmin)/N?
А как насчет #include "...\Unsupervised\AE\VAE.mqh" ?
Есть простое руководство по использованию этого материала, если VAE.mqh появится?
*edit* Вот VAE.mqh https://www.mql5.com/ru/articles/11245 он находится в части 22.
- www.mql5.com
E quanto a #include ".\Unsupervised\AE\VAE.mqh" ?
Существует ли простое руководство по использованию этих файлов, если появится VAE.mqh?
*editar* Aqui está o VAE.mqh https://www.mql5.com/ru/articles/11245 está na Parte 22
Да, но я все равно получаю ошибку, как показано ниже. Вы нашли эту проблему?
'MathRandomNormal' - необъявленный идентификатор VAE.mqh 92 8
',' - неожиданная лексема VAE.mqh 92 26
'0' - ожидается некоторый оператор VAE.mqh 92 25
'(' - несбалансированная левая скобка VAE.mqh 92 6
',' - неожиданная лексема VAE.mqh 92 29
выражение не имеет эффекта VAE.mqh 92 28
',' - неожиданная лексема VAE.mqh 92 48
')' - неожиданная лексема VAE.mqh 92 56
выражение не имеет эффекта VAE.mqh 92 50
')' - неожиданная лексема VAE.mqh 92 57
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Нейросети — это просто (Часть 32): Распределенное Q-обучение:
В одной из статей данной серии мы с вами уже познакомились с методом Q-обучения. Данный метод усредняет вознаграждения за каждое действие. В 2017 году были представлены сразу 2 работы, в которых большего успеха добиваются при изучении функции распределения вознаграждения. Давайте рассмотрим возможность использования подобной технологии для решения наших задач.
По результатам работы тестового советника в тестере стратегий MetaTrader 5 за 2 анализируемых недели по сигналам модели была получена прибыль в размере около 20 долларов. Напомню, что все торговые операции выполнялись фиксированным минимальным лотом. На представленном ниже графике легко заметить явную тенденцию к росту баланса.
Статистика торговых операций демонстрирует практически 56% прибыльных операций. Однако следует учесть, что советник был создан исключительно для тестирования модели в тестере стратегий и непригоден для реальной торговли на финансовых рынках.
Автор: Dmitriy Gizlyk