文章 "神经网络变得轻松（第三十二部分）：分布式 Q-学习"
- 3-х сверточных слоёв предварительной обработки данных,
它们的激活、优化、窗口、步长和窗外参数是什么？
- 3 个完全连接的隐藏层，每个层有 1000 个神经元、
它们的激活、优化参数是多少？
- 1 个由 45 个神经元组成的全连接决策层（3 种行动概率分布各有 15 个神经元）、
它们的激活、优化参数是什么？
- 第 1 个 SoftMax 层，对概率分布进行归一化处理。
在 NetCreator 中指定了 SiftMax。最终结果是 45 吗？
В NetCreator указан SiftMax. У него в итоге выйдет outputs 45?
使用本文中的 NetCreator。已添加 SoftMax 的 Heads 参数。您应在其中指定可能的动作数量。然后，SoftMax 图层大小参数将发生变化。
这不总是零吗？
我想应该是 (Vmax-Vmin)/N 吧？
那 #include "..\Unsupervised\AE\VAE.mqh" 呢？
有简单的手册说明如何使用这些东西，如果 VAE.mqh 会出现吗？
*edit*这里是 VAE.mqh https://www.mql5.com/zh/articles/11245，在第 22 部分。
- www.mql5.com
包含"...\Unsupervised\AE\VAE.mqh" 的内容是什么？
有没有关于如何使用 VAE.mqh 的简单手册？
*editar*Aqui está o VAE.mqh https://www.mql5.com/zh/articles/11245 está na Parte 22
是的，但我仍然遇到如下错误。你发现这个问题了吗？
MathRandomNormal' - 未声明标识符 VAE.mqh 92 8
',' - 意外标记 VAE.mqh 92 26
'0'--预期的某个运算符 VAE.mqh 92 25
'(' - 左括号不平衡 VAE.mqh 92 6
','-意想不到的符号 VAE.mqh 92 29
表达式没有影响 VAE.mqh 92 28
',' - 意外标记 VAE.mqh 92 48
')' - 意外标记 VAE.mqh 92 56
表达式无影响 VAE.mqh 92 50
')' - 意外标记 VAE.mqh 92 57
新文章 神经网络变得轻松（第三十二部分）：分布式 Q-学习已发布：
我们在本系列的早期文章中领略了 Q-学习方法。 此方法均化每次操作的奖励。 2017 年出现了两篇论文，在研究奖励分配函数时展现出了极大的成功。 我们来研究运用这种技术解决我们问题的可能性。
当测试 EA 在 MetaTrader 5 策略测试器中取两周区间数据运行时，基于模型信号进行交易，它产生了约 20 美元的利润。 所有操作都是最低手数。 下图展示出余额值有明显上升趋势。
交易操作统计数据显示，近 56% 的操作是盈利的。 然而，请注意，EA 仅在策略测试器中测试了模型，尚不适合金融市场的真实交易。
作者：Dmitriy Gizlyk