文章 "神经网络变得轻松（第二十九部分）：优势扮演者-评价者算法" 新评论 MetaQuotes 2023.01.16 11:23 新文章 神经网络变得轻松（第二十九部分）：优势扮演者-评价者算法已发布： 在本系列的前几篇文章中，我们见识到两种增强的学习算法。 它们中的每一个都有自己的优点和缺点。 正如在这种情况下经常发生的那样，接下来的思路是将这两种方法合并到一个算法，使用两者间的最佳者。 这将弥补它们每种的短处。 本文将讨论其中一种方法。 针对前几篇文章中的模型进行附加训练的好处是，我们可用上一篇文章中的测试 EA 来检查它们的训练结果。 这就是我如何做的。 训练模型之后，我采用了额外训练的策略模型，并利用上述模型在策略测试器中启动了 “REINFORCE-test.mq5” EA。 它的算法在上一篇文章中已进行了讲述。 其完整代码可在附件中找到。 下面是测试期间 EA 的余额图形。 如您所见，在测试期间，余额均匀增长。 请注意，模型是基于训练样本之外的数据上进行测试的。 这表明构建交易系统的方式是一致的。 测试仅针对模型，故所有操作均以固定的最小手数执行，且不用止损和止盈。 强烈建议不要在实盘交易中使用这样的 EA。 它仅仅是演示经过训练的模型如何工作。 在价格图表上，您可以看到亏损交易会快速平仓，而盈利持仓则会持有一段时间。 所有操作均在新烛条开盘时执行。 您还可以注意到，若干交易操作几乎是在反转（分形）烛条开盘时就执行了。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 神经网络变得轻松（第二十九部分）：优势扮演者-评价者算法已发布：
在本系列的前几篇文章中，我们见识到两种增强的学习算法。 它们中的每一个都有自己的优点和缺点。 正如在这种情况下经常发生的那样，接下来的思路是将这两种方法合并到一个算法，使用两者间的最佳者。 这将弥补它们每种的短处。 本文将讨论其中一种方法。
针对前几篇文章中的模型进行附加训练的好处是，我们可用上一篇文章中的测试 EA 来检查它们的训练结果。 这就是我如何做的。 训练模型之后，我采用了额外训练的策略模型，并利用上述模型在策略测试器中启动了 “REINFORCE-test.mq5” EA。 它的算法在上一篇文章中已进行了讲述。 其完整代码可在附件中找到。
下面是测试期间 EA 的余额图形。 如您所见，在测试期间，余额均匀增长。 请注意，模型是基于训练样本之外的数据上进行测试的。 这表明构建交易系统的方式是一致的。 测试仅针对模型，故所有操作均以固定的最小手数执行，且不用止损和止盈。 强烈建议不要在实盘交易中使用这样的 EA。 它仅仅是演示经过训练的模型如何工作。
在价格图表上，您可以看到亏损交易会快速平仓，而盈利持仓则会持有一段时间。 所有操作均在新烛条开盘时执行。 您还可以注意到，若干交易操作几乎是在反转（分形）烛条开盘时就执行了。
作者：Dmitriy Gizlyk