Обсуждение статьи "Возможности Мастера MQL5, которые вам нужно знать (Часть 60): Обучение на основе вывода (Wasserstein-VAE) с использованием скользящей средней и стохастического осциллятора"

[MetaQuotes]

Опубликована статья Возможности Мастера MQL5, которые вам нужно знать (Часть 60): Обучение на основе вывода (Wasserstein-VAE) с использованием скользящей средней и стохастического осциллятора:

Мы завершаем наше исследование взаимодополняющей пары скользящей средней и стохастического осциллятора рассмотрением роль обучения на основе вывода (inference-learning) после обучения с учителем и обучения с подкреплением. В данном случае существует множество способов обучения, однако наш подход заключается в использовании вариационных автоэнкодеров. Мы проведем исследование на Python, а затем экспортируем нашу обученную модель с помощью ONNX для использования в созданном Мастером советнике в MetaTrader.

Использование термина "состояния" (states) для прогнозирования изменений цен является удачным решением, поскольку от обучения с учителем мы переходим к обучению с подкреплением. Как установлено в рамках обучения с подкреплением, состояния являются ключевой отправной точкой процесса обучения, что во многом напоминает схему ниже.

Существует ряд вариаций в обучении с подкреплением в зависимости от используемого алгоритма, но в большинстве случаев, в принципе, используются две нейронные сети. Первая представляет собой политику, которая показана в верхней из двух сетей на приведенной выше схеме, а вторая — сеть значений, которая представлена в нижней части.

Обучение с подкреплением может быть единственным методом обучения модели или системы, но, как мы указали в предыдущей статье, его следует чаще использовать для моделей, развернутых в реальных условиях. После этого баланс между исследованием и эксплуатацией станет более актуальным для обеспечения адаптации уже обученной модели к меняющимся рыночным условиям. Но что еще важнее, мы увидели, как решения о покупке или продаже могут дополнительно обрабатываться при выборе типа действий, необходимых для прогнозируемого состояния.

Автор: Stephen Njuki