Обсуждение статьи "Нейросети — это просто (Часть 51): Актер-критик, управляемый поведением (BAC)"

MetaQuotes 2023.07.28 12:52

Опубликована статья Нейросети — это просто (Часть 51): Актер-критик, управляемый поведением (BAC):

В последних двух статьях рассматривался алгоритм Soft Actor-Critic, который включает энтропийную регуляризацию в функцию вознаграждения. Этот подход позволяет балансировать исследование среды и эксплуатацию модели, но он применим только к стохастическим моделям. В данной статье рассматривается альтернативный подход, который применим как для стохастических, так и для детерминированных моделей.

Вначале давайте порассуждаем о необходимости исследования окружающей среды в целом. Думаю, все согласны с необходимостью данного процесса. Но для чего конкретно и на какой стадии?

Начнем с простого примера. Мы впервые попадаем в некую комнату с 3 одинаковыми дверями и нам нужен выход на улицу. Что мы делаем? Поочередно открываем двери, пока не найдем нужную. Попадая повторно в эту же комнату для выхода на улицу, мы уже не будем открывать все двери, а сразу направимся к уже известному выходу. Если же в этой ситуации у нас будет другая задача, то тут возможны варианты. Мы можем снова открывать все двери, кроме уже известного нам выхода, и искать нужную. А можем сначала вспомнить какие мы двери открывали ранее при поиске выхода и была ли среди них нужная нам. Если мы помним нужную дверь, то направляемся к ней. В противном случае проверяем двери, которые не открывали ранее.

Вывод: исследование окружающей среды нам необходимо в незнаком состоянии для выбора правильного действия. После нахождения необходимого маршрута дополнительное исследование окружающей среды может только мешать.

Однако, при изменении задачи в известном состоянии нам может потребоваться дополнительное исследование окружающей среды. Сюда можно отнести и поиск более оптимального маршрута. В приведенном выше примере, если для выхода нам потребовалось пройти ещё несколько помещений или вышли не с той стороны здания.

Следовательно, нам нужен такой алгоритм, который позволяет усиливать исследование окружающей среды в неизученных состояниях и минимизировать в ранее исследованных.

Автор: Dmitriy Gizlyk

JimReaper 2023.07.29 17:10 #1

#Enjoy! <3

Thanks Sir @Dmitriy

//+------------------------------------------------------------------+

//| |

//+------------------------------------------------------------------+

bool CreateDescriptions(CArrayObj *actor, CArrayObj *critic, CArrayObj *autoencoder)

{

--- Smart print statement for debugging

Print("Creating layer descriptions...");

CLayerDescription *descr;

int layerNumber = 0; To keep track of layer numbers

--- Check and initialize input arrays if they are null

if (!actor)

{

actor = new CArrayObj();

if (!actor)

return false;

}

if (!critic)

{

critic = new CArrayObj();

if (!critic)

return false;

}

if (!autoencoder)

{

autoencoder = new CArrayObj();

if (!autoencoder)

return false;

}

--- Actor

actor. Clear();

--- Layer 1: Input layer

layerNumber++;

Print("Creating actor - Input Layer ", layerNumber, ": Input layer");

if (!( descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

int prev_count = descr.count = (HistoryBars * BarDescr);

descr.activation = None;

descr.optimization = ADAM;

if (!actor. Add(descr))

{

delete descr;

return false;

}

--- Layer 2

layerNumber++;

Print("Creating actor - Batch Normalization Layer ", layerNumber);

if (!( descr = new CLayerDescription()))

return false;

descr.type = defNeuronBatchNormOCL;

descr.count = prev_count;

descr.batch = 1000;

descr.activation = None;

descr.optimization = ADAM;

if (!actor. Add(descr))

{

delete descr;

return false;

}

--- Layer 3

layerNumber++;

Print("Creating actor - Convolutional Layer ", layerNumber);

if (!( descr = new CLayerDescription()))

return false;

descr.type = defNeuronConvOCL;

prev_count = descr.count = prev_count - 1;

descr.window = 2;

descr.step = 1;

descr.window_out = 8;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!actor. Add(descr))

{

delete descr;

return false;

}

--- Layer 4

layerNumber++;

Print("Creating actor - Convolutional Layer ", layerNumber);

if (!( descr = new CLayerDescription()))

return false;

descr.type = defNeuronConvOCL;

prev_count = descr.count = prev_count;

descr.window = 8;

descr.step = 8;

descr.window_out = 8;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!actor. Add(descr))

{

delete descr;

return false;

}

--- Layer 5

layerNumber++;

Print("Creating actor - Dense/Base Layer ", layerNumber);

if (!( descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

descr.count = 2048;

descr.optimization = ADAM;

descr.activation = LReLU;

if (!actor. Add(descr))

{

delete descr;

return false;

}

--- Layer 6

layerNumber++;

Print("Creating actor - Dense/Base Layer ", layerNumber);

if (!( descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

prev_count = descr.count = 1024;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 7

layerNumber++;

Print("Creating actor - SoftMax Layer ", layerNumber);

if(!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronSoftMaxOCL;

prev_count = descr.count = prev_count / 16;

descr.step = 16;

descr.optimization = ADAM;

descr.activation = None;

if(!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 8 Multilayer Multi-Head Attention Layer

layerNumber++;

Print("Creating actor - Multilayer Multi-Head Attention Layer ", layerNumber);

if(!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronMLMHAttentionOCL;

descr.count = prev_count;

descr.window = 16;

descr.window_out = 8;

descr.step = 4;

descr.layers = 3;

descr.optimization = ADAM;

descr.activation = None;

if(!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 9

layerNumber++;

Print("Creating actor - Concatenate Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronConcatenate;

descr.count = LatentCount;

descr.window = prev_count;

descr.step = AccountDescr;

descr.optimization = ADAM;

descr.activation = SIGMOID;

if (!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 10

layerNumber++;

Print("Creating actor - SoftMax Layer ", layerNumber);

if(!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronSoftMaxOCL;

prev_count = descr.count = prev_count / 16;

descr.step = 16;

descr.optimization = ADAM;

descr.activation = None;

if(!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 11 Multilayer Multi-Head Attention Layer

layerNumber++;

Print("Creating actor - Multilayer Multi-Head Attention Layer ", layerNumber);

if(!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronMLMHAttentionOCL;

descr.count = prev_count;

descr.window = 16;

descr.window_out = 8;

descr.step = 4;

descr.layers = 3;

descr.optimization = ADAM;

descr.activation = None;

if(!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 12

layerNumber++;

Print("Creating actor - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

descr.count = 2048;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 13

layerNumber++;

Print("Creating actor - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

descr.count = 2048;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 14

layerNumber++;

Print("Creating actor - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

descr.count = 2 * NActions;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!actor.Add(descr))

{

delete descr;

return false;

}

//--- Layer 15

layerNumber++;

Print("Creating actor - VAE Output Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronVAEOCL;

descr.count = NActions;

descr.optimization = ADAM;

if (!actor.Add(descr))

{

delete descr;

return false;

}

//--- Critic

critic.Clear();

//--- Layer 1: Input layer

layerNumber++;

Print("Creating critic - Input Layer ", layerNumber, ": Input layer");

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

prev_count = descr.count = LatentCount;

descr.activation = None;

descr.optimization = ADAM;

if (!critic.Add(descr))

{

delete descr;

return false;

}

//--- Layer 2

layerNumber++;

Print("Creating critic - Concatenate Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronConcatenate;

descr.count = LatentCount;

descr.window = prev_count;

descr.step = NActions;

descr.optimization = ADAM;

descr.activation = LReLU;

if (!critic.Add(descr))

{

delete descr;

return false;

}

//--- Layer 3

layerNumber++;

Print("Creating critic - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

descr.count = LatentCount;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!critic.Add(descr))

{

delete descr;

return false;

}

//--- Layer 4

layerNumber++;

Print("Creating critic - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

descr.count = LatentCount;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!critic.Add(descr))

{

delete descr;

return false;

}

//--- Layer 5

layerNumber++;

Print("Creating critic - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

descr.count = 1;

descr.optimization = ADAM;

descr.activation = None;

if (!critic.Add(descr))

{

delete descr;

return false;

}

//--- Autoencoder

autoencoder.Clear();

//--- Layer 1: Input layer

layerNumber++;

Print("Creating autoencoder - Dense/Base Layer ", layerNumber, ": Input layer");

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

prev_count = descr.count = LatentCount;

descr.activation = None;

descr.optimization = ADAM;

if (!autoencoder.Add(descr))

{

delete descr;

return false;

}

//--- Layer 2

layerNumber++;

Print("Creating autoencoder - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

prev_count = descr.count = prev_count / 2;

descr.optimization = ADAM;

descr.activation = LReLU;

if (!autoencoder.Add(descr))

{

delete descr;

return false;

}

//--- Layer 3

layerNumber++;

Print("Creating autoencoder - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

prev_count = descr.count = prev_count / 2;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!autoencoder.Add(descr))

{

delete descr;

return false;

}

//--- Layer 4

layerNumber++;

Print("Creating autoencoder - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

descr.type = defNeuronBaseOCL;

prev_count = descr.count = 20;

descr.count = LatentCount;

descr.activation = LReLU;

descr.optimization = ADAM;

if (!autoencoder.Add(descr))

{

delete descr;

return false;

}

//--- Layer 5

layerNumber++;

Print("Creating autoencoder - Dense/Base Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

if (!(descr.Copy(autoencoder.At(2))))

{

delete descr;

return false;

}

if (!autoencoder.Add(descr))

{

delete descr;

return false;

}

//--- Layer 6

layerNumber++;

Print("Creating autoencoder - Output Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

if (!(descr.Copy(autoencoder.At(1))))

{

delete descr;

return false;

}

if (!autoencoder.Add(descr))

{

delete descr;

return false;

}

//--- Layer 7

layerNumber++;

Print("Creating autoencoder - Output Layer ", layerNumber);

if (!(descr = new CLayerDescription()))

return false;

if (!(descr.Copy(autoencoder.At(0))))

{

delete descr;

return false;

}

if (!autoencoder.Add(descr))

{

delete descr;

return false;

}

//--- Smart print statement for debugging

Print("Layer descriptions created successfully!");

return true;

}

Обсуждение статьи "Нейросети это Обсуждение статьи "Нейросети это Обсуждение статьи "Нейросети это

star-ik 2023.07.31 10:25 #2

Здравствуйте. Опять не удается вывести Research в зеленую зону. Отрицательный MinProfit не помогает. Довел значение до -10000. Вообще это странно как то. Если первоначальные значения параметров выбираются случайным образом, то хоть некоторые из них должны были выводить в плюс. Но этого и близко не наблюдается.

Индикаторы: NRTR_HTF_Signal А есть ли у Советник не торгует. Помогите

Viktor Kudriavtsev 2023.07.31 15:52 #3

Всем здравствуйте. У меня данная версия примерно после 3-4 цикла (сбор БД - обучение - тест) стала давать просто прямую линию на тестах. Сделки не открывает. Обучение делал все разы по 500 000 итераций. Ещё интересный момент - в определённый момент ошибка одного из критиков стала сначала очень большой, а потом постепенно снизились ошибки обоих критиков до 0. И уже 2-3 цикла ошибки обоих критиков стоят на 0. И на тестах Test.mqh выдаётся прямая линия и отсутствие сделок. В проходах Research.mqh бывают проходы с отрицательной прибылью и сделками. Так же есть проходы с отсутствием сделок и нулевым исходом. С положительным исходом било только 5 проходов в одном из циклов.

Вообще как-то странно. Я выполнял обучение строго по инструкции Дмитрия во всех статьях, и ни с одной статьи не получилось получить результат. Я не понимаю что я делаю не так...

Обсуждение статьи "Нейросети это Обсуждение статьи "Нейросети это Обсуждение статьи "Нейросети это

Новый комментарий