文章 "神经网络变得轻松（第四十二部分）：模型拖延症、原因和解决方案"
你好，迪米特里。谢谢你的新作品。我也曾试图在图形上画出一条直线。现在我明白为什么了。您能告诉我 Study2 的哪些结果可以接受吗？测试尚未显示任何有意义的操作，它打开了一个买入，并在每个条形图上进行了填充。
顺便说一下，NeuroNet_DNG 文件夹必须从上一个 EA 中拖过来。如果你对它做了改动，那我就没办法了。
你好，迪米特里。谢谢你的新作品。我也曾试图在图形上画出一条直线。现在我明白为什么了。您能告诉我 Study2 的结果可以接受吗？测试尚未显示任何有意义的操作，打开了一个买入并在每个条形图上成交。
顺便说一下，NeuroNet_DNG 文件夹必须从上一个 EA 中拖过来。如果你对它做了改动，那我就没办法了。
最新版本的文件在附件中
德米特里 你好。您能告诉我，您对这个智能交易系统进行了多少培训，使它至少能进行一些有意义的交易，甚至是减仓交易。我现在的情况是，它要么根本不尝试交易，要么就是开了一堆交易，却无法通过整个 4 个月的时间。与此同时，余额静止不动，股本却在浮动。它使用一两个代理，其余的都是零。初始样本尝试不同。
-从 50 美元开始，例如一开始 30-40 个示例，然后在 Stady2（默认为 100000）每次通过后，在一个周期内添加 1-2 个示例。
-例如，从 35 美元起，一开始输入 130-150 个示例，然后在每次通过 Stady2（默认值为 100000）后输入，然后在一个循环中添加 1-2 个示例。
- 从 50 美元起，开始时使用 15 个示例，在 500000 和 2000000 中不添加任何东西来训练 Stady2。
所有变体的结果都是一样的--不工作，不学习。此外，在经过 2-3 百万次迭代后，例如，它很可能什么也不会再显示--就是不交易。
到底要训练多少次（用数字表示）才能开始开仓和平仓？
你好，德米特里！您是一位伟大的老师和导师！
经过一段时间的成功培训，我的胜率达到了 99%。但是，它只能卖出交易。no buy trades
以下是截图：
350733414_605596475011106_6366687350579423076_n.png (1909×682) (fbcdn.net)
新文章 神经网络变得轻松（第四十二部分）：模型拖延症、原因和解决方案已发布：
在强化学习的背景下，模型拖延症可能由多种原因引起。 本文研究了模型拖延症的一些可能原因，以及克服它们的方法。
模型拖延症的主要原因之一是训练环境不足。 模型也许会遇到访问训练数据受限，或资源不足的情况。 解决这个问题涉及创建或更新数据集，增加训练样本的多样性，并应用额外的训练资源，例如算力、或预训练模型进行转移训练。
模型拖延症的另一个原因也许出于它欲解决任务的复杂性，或者用到需大量计算资源的训练算法。 在这种情况下，解决方案也许是简化问题或算法，优化计算过程，并采用更高效的算法、或分布式学习。
如果一个模型缺乏达成目标的动力，它也许就会拖延。 为模型设定明确且相关的目标，设计一个奖励函数，来激励达成这些目标，且运用强化技术（如奖励和惩罚），如此可有助于解决这个问题。
如果模型没有收到反馈，或没有根据新数据进行更新，它的进展也许就会拖延。 解决方案是基于新数据和反馈建立定期模型更新周期，并开发控制和监测学习进度的机制。
重要的是，定期评估模型的进度和学习成果。 这将帮助您查看取得的进展，并确定可能的问题或瓶颈。 定期评估能及时调整训练过程，以避免拖延。
作者：Dmitriy Gizlyk