Обсуждение статьи "Создание самооптимизирующихся советников на языках MQL5 и Python (Часть II): Настройка глубоких нейронных сетей"

[MetaQuotes]

Опубликована статья Создание самооптимизирующихся советников на языках MQL5 и Python (Часть II): Настройка глубоких нейронных сетей:

Модели машинного обучения имеют различные настраиваемые параметры. В этой серии статей мы рассмотрим, как настроить ИИ-модели в соответствии с конкретным рынком с помощью библиотеки SciPy.

Алгоритм Нелдера-Мида — популярный вариант для решения шумных, недифференцируемых и нелинейных многомодальных задач оптимизации. Названный в честь его создателей, Джона Нелдера и Роджера Мида, этот алгоритм был представлен в их статье 1965 года, под названием: «Симплексный метода минимизации функций». Его можно использовать как для одномерных, так и для многомерных задач оптимизации.

Алгоритм Нелдера-Мида не опирается на производную информацию; напротив, он представляет собой алгоритм оптимизации поиска шаблонов. Он требует от пользователя указать начальную точку. В зависимости от выбранной начальной точки алгоритм может застрять в обманчивом локальном оптимуме. Поэтому полезно было бы выполнить оптимизацию несколько раз с различными начальными точками для повышения шансов обнаружения глобального оптимума.

Алгоритм работает с использованием геометрической фигуры, которую называют симплексом. Симплекс содержит одну вершину для каждой входной переменной плюс одну дополнительную. Точки (вершины) симплекса получают численную оценку, а для перемещения точек на основе их оценок используют простые правила. Алгоритм содержит определенные условия остановки, например достижение максимального числа итераций или минимального изменения значений оценки. Если отсутствуют улучшения или превышено допустимое количество итераций, процедура оптимизации останавливается.

Автор: Gamuchirai Zororo Ndawana