文章 "神经网络变得轻松（第五十部分）：软性扮演者-评价者（模型优化）"

新评论
 

新文章 神经网络变得轻松（第五十部分）：软性扮演者-评价者（模型优化）已发布：

在上一篇文章中，我们实现了软性扮演者-评论者算法，但未能训练出一个可盈利的模型。在此，我们将优化先前创建的模型，以期获得所需的结果。

我们继续研究软性扮演者-评论者算法。在上一篇文章中，我们实现了该算法，但未能训练出一个可盈利的模型。今天，我们将研究可能的解决方案。在“模型拖延症，原因和解决方案”一文中已经提过类似的问题。我建议扩展我们在这一领域的知识，并以我们的软性扮演者-评论者模型为例研究新方式。



在我们转到直接优化我们构建的模型之前，我要提醒您，软性扮演者-评论者是一种在连续动作空间中随机模型的强化学习算法。这种方法的主要特点是在奖励函数中引入了熵分量。

使用随机扮演者策略可令模型更加灵活，并且能够解决复杂环境中的问题，在这些环境中，某些操作可能不确定或无法定义明确的规则。在处理包含大量噪声的数据时，该策略往往更健壮，因为它考虑到概率分量，并且不受明确规则的约束

作者：Dmitriy Gizlyk

 
//--- 演员
actor.Clear()；
//--- 输入层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
int prev_count = descr.count = (HistoryBars * BarDescr)；
descr.window = 0；
descr.activation = None；
descr.optimisation = ADAM.优化
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
// 层 1 | 多层多头关注层 - 1
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 1: Multilayer Multi-Head Attention Layer - 1: Data successfully passed.\n")；
//--- 第 2 层 | 批量规范化层
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronBatchNormOCL；
descr.count = prev_count；
descr.batch = 1000；
descr.activation = None；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 2: Batch Normalisation Layer: Data successfully passed.\n")；
// 第 3 层 | 多层多头注意层 - 2
if (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 3: Multilayer Multi-Head Attention Layer - 2: Data successfully passed.\n")；
//--- 第 2 层
if(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = prev_count - 1；
descr.window = 2；
descr.step = 1；
descr.window_out = 8；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 3 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = prev_count；
descr.window = 8；
descr.step = 8；
descr.window_out = 8；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 7 层 | 卷积层 - 4
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = BarDescr；
descr.window = 8；
descr.step = 1；
descr.window_out = 9；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 7: Convolutional Layer - 4: Data successfully passed.\n")；
//--- 第 8 层 | 卷积层 - 5
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = BarDescr；
descr.window = 9；
descr.step = 1；
descr.window_out = 7；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 8: Convolutional Layer - 5: Data successfully passed.\n")；
//--- 第 9 层 | 卷积层 - 6
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = BarDescr；
descr.window = 7；
descr.step = 1；
descr.window_out = 5；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 9: Convolutional Layer - 6: Data successfully passed.\n")；
//--- 第 10 层 | 卷积层 - 7
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = prev_count；
descr.window = 5；
descr.step = 1；
descr.window_out = 4；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 10: Convolutional Layer - 7: Data successfully passed.\n")；
// 层 11 | 多层多头注意力层 - 3
if (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 11: Multilayer Multi-Head Attention Layer - 3: Data successfully passed.\n")；
// 第 12 层 | 多层多头注意力层 - 4
if (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 12: Multilayer Multi-Head Attention Layer - 4: Data successfully passed.\n")；
// 第 13 层 | 多层多头注意力层 - 5
if (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 13: Multilayer Multi-Head Attention Layer - 5: Data successfully passed.\n")；
//--- 第 4 层
if(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronBaseOCL；
descr.count = 2048；
descr.optimisation = ADAM；
descr.activation = LReLU；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 5 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
prev_count = descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
// 第 13 层 | 多层多头注意力层 - 5
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 13: Multilayer Multi-Head Attention Layer - 5: Data successfully passed.\n")；
//--- 第 6 层
if(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronConcatenate；
descr.count = LatentCount；
descr.window = prev_count；
descr.step = AccountDescr；
descr.optimisation = ADAM；
descr.activation = SIGMOID；
如果(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 16 层 | Softmax 层
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronSoftMaxOCL；
descr.count = 1024；
descr.optimisation = ADAM；
descr.activation = SIGMOID；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Softmax Layer: Data successfully passed.\n")；
//--- 第 7 层
如果(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronBaseOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 8 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 8 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 2048；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 9 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronSoftActorCritic；
descr.count = NActions；
descr.window_out = 32；
descr.optimisation = ADAM；
descr.activation = SIGMOID；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//---批评者
critic.Clear()；
//--- 输入层
if(!(descr = new CLayerDescription()))
返回 false；
descr.type = defNeuronBaseOCL；
prev_count = descr.count = LatentCount；
descr.window = 0；
descr.activation = None；
descr.optimisation = ADAM；
if(!critic.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 1 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronConcatenate；
descr.count = 1024；
descr.window = prev_count；
descr.step = 6；
descr.optimisation = ADAM；
descr.activation = LReLU；
if(!critic.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 2 层
if(!(descr = new CLayerDescription()))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!critic.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 3 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!critic.如果(!critic.Add(descr))
{
删除 descr；
return false；
}
--- 第 4 层
if(!( descr = new CLayerDescription())))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 1；
descr.optimisation = ADAM；
descr.activation = None；
if(!critic.如果(!critic.Add(descr))
{
删除 descr；
return false；
}
//---
return true；
}
 
//--- 演员
actor.Clear()；
//--- 输入层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
int prev_count = descr.count = (HistoryBars * BarDescr)；
descr.window = 0；
descr.activation = None；
descr.optimisation = ADAM.优化
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
// 层 1 | 多层多头关注层 - 1
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 1: Multilayer Multi-Head Attention Layer - 1: Data successfully passed.\n")；
//--- 第 2 层 | 批量规范化层
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronBatchNormOCL；
descr.count = prev_count；
descr.batch = 1024；
descr.activation = None；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 2: Batch Normalisation Layer: Data successfully passed.\n")；
// 第 3 层 | 多层多头注意层 - 2
if (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 3: Multilayer Multi-Head Attention Layer - 2: Data successfully passed.\n")；
//--- 第 4 层
如果(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = prev_count - 1；
descr.window = 2；
descr.step = 1；
descr.window_out = 8；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 5 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = prev_count；
descr.window = 8；
descr.step = 8；
descr.window_out = 8；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 6 层 | 卷积层 - 4
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = BarDescr；
descr.window = 8；
descr.step = 1；
descr.window_out = 9；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 7: Convolutional Layer - 4: Data successfully passed.\n")；
//--- 第 7 层 | 卷积层 - 5
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = BarDescr；
descr.window = 9；
descr.step = 1；
descr.window_out = 7；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 8: Convolutional Layer - 5: Data successfully passed.\n")；
//--- 第 8 层 | 卷积层 - 6
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = BarDescr；
descr.window = 7；
descr.step = 1；
descr.window_out = 5；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 9: Convolutional Layer - 6: Data successfully passed.\n")；
//--- 第 9 层 | 卷积层 - 7
if (!(descr = new CLayerDescription())
return false；
descr.type = defNeuronConvOCL；
prev_count = descr.count = prev_count；
descr.window = 5；
descr.step = 1；
descr.window_out = 4；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 10: Convolutional Layer - 7: Data successfully passed.\n")；
// 第 10 层 | 多层多头注意力层 - 3
if (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 11: Multilayer Multi-Head Attention Layer - 3: Data successfully passed.\n")；
// 第 11 层 | 多层多头注意力层 - 4
if (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 12: Multilayer Multi-Head Attention Layer - 4: Data successfully passed.\n")；
//--- 第 12 层
if(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronLSTMOCL；
descr.count = 1024；
descr.optimisation = ADAM；
descr.activation = SIGMOID；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 13 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
prev_count = descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
// 第 14 层 | 多层多头关注层 - 5
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 13: Multilayer Multi-Head Attention Layer - 5: Data successfully passed.\n")；
//--- 第 15 层
if(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronConcatenate；
descr.count = LatentCount；
descr.window = prev_count；
descr.step = AccountDescr；
descr.optimisation = ADAM；
descr.activation = SIGMOID；
如果(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 16 层 | Softmax 层
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronSoftMaxOCL；
descr.count = 1024；
descr.optimisation = ADAM；
descr.activation = SIGMOID；
如果 (!actor.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Softmax Layer: Data successfully passed.\n")；
//--- 第 17 层
如果(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronBaseOCL；
descr.count = 512；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 18 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 19 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 20 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 1024；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 21 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronSoftActorCritic；
descr.count = NActions；
descr.window_out = 32；
descr.optimisation = ADAM；
descr.activation = SIGMOID；
if(!actor.Add(descr))
{
删除 descr；
返回 false；
}
//---批评者
critic.Clear()；
//--- 输入层
if(!(descr = new CLayerDescription()))
返回 false；
descr.type = defNeuronBaseOCL；
prev_count = descr.count = LatentCount；
descr.window = 0；
descr.activation = None；
descr.optimisation = ADAM；
if(!critic.Add(descr))
{
删除 descr；
返回 false；
}
// 第 1 层 | 多层多头注意力层 - 4
如果 (!(descr = new CLayerDescription())
返回 false；
descr.type = defNeuronMLMHAttentionOCL；
descr.count = 512；
descr.activation = LReLU；
descr.optimisation = ADAM；
如果 (!critic.Add(descr))
{
删除 descr；
返回 false；
}
PrintFormat("[Actor] Layer 12: Multilayer Multi-Head Attention Layer - 4: Data successfully passed.\n")；
//--- 第 2 层
if(!(descr = new CLayerDescription()))
return false；
descr.type = defNeuronConcatenate；
descr.count = 512；
descr.window = prev_count；
descr.step = 6；
descr.optimisation = ADAM；
descr.activation = LReLU；
if(!critic.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 3 层
if(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 512；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!critic.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 4 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 512；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!critic.Add(descr))
{
删除 descr；
返回 false；
}
//--- 第 5 层
如果(!(descr = new CLayerDescription()))))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 512；
descr.activation = LReLU；
descr.optimisation = ADAM；
if(!critic.如果(!critic.Add(descr))
{
删除 descr；
return false；
}
--- 第 6 层
if(!( descr = new CLayerDescription())))
返回 false；
descr.type = defNeuronBaseOCL；
descr.count = 1；
descr.optimisation = ADAM；
descr.activation = None；
if(!critic.如果(!critic.Add(descr))
{
删除 descr；
return false；
}
//---
返回 true；


也可以简单地将图片拖入文本，或使用Ctrl+V 粘贴图片
 
研究未能实现任何正交易。数据目录中没有文件。 共享数据文件夹中的 SoftAC.bd 文件似乎为空（12 字节）。研究 "不粘附在图表上。您能告诉我该怎么做吗？
 
star-ik #:
研究未能实现任何正交易。数据目录中没有文件。 共享数据文件夹中的 SoftAC.bd 文件似乎为空（12 字节）。研究 "不粘附在图表上。您能告诉我该怎么做吗？

1. "研究 "一开始的正交易差异是很自然的，因为使用的是绝对随机的网络。交易也将同样随机。启动智能交易系统时，尽可能将最小盈利设置为负值。然后，SoftAC.bd 文件中将充满用于初始化模型训练的示例。

2.研究文件中有一项检查。如果SoftAC.bd 文件中没有示例，它将不起作用。它没有用于模型训练的数据。

 
谢谢，很有用。绿点开始出现了。我没想到最小盈利可以设置在负值范围内。但还有一个问题。我必须手动删除第一个数据库吗？哪个文件？
 
star-ik #:
谢谢，很有用。绿点开始出现了。我没想到最小盈利可以设置在负值范围内。但还有一个问题。是否需要手动删除第一个数据库？哪个文件？

整个示例数据库都在 SoftAC.bd 中。我手动删除了第一个数据库。但在 Expert Advisor 中有一个 MaxReplayBuffer 500 常量，它将示例数据库的大小限制为 500 个轨迹。如果您愿意，可以更改并重新编译文件。这样就可以在示例数据库中只保留最后 500 个轨迹。

 
Dmitriy Gizlyk #:

整个示例数据库都在 SoftAC.bd 中。我手动删除了第一个。但 Expert Advisor 有一个 MaxReplayBuffer 500 常量，它将示例数据库的大小限制为 500 个轨迹。如果您愿意，可以更改并重新编译文件。这样就可以在示例数据库中只保留最后 500 个轨迹。

再次感谢。

 

德米特里，在填充示例数据库和添加新示例时，是否会删除或意外删除最老的示例？或者说，是否有必要建立一个包含全部交易次数的 示例数据库，同时考虑到训练中添加的示例，即以 1000 个轨迹为基础？

如果我没理解错的话，您是用 Test.mqh Expert Advisor 做了 10 次测试（经过 500 000 次迭代训练）。然后您说您又做了 15 次收集-训练-测试（循环）。然后你得到了一个有效的模型。所以我不明白，你是否在循环的每个阶段都运行了 10 次 Test.mqh Expert Advisor？我遇到的问题是，如果我这样做，基础中就会有更多的负面示例，Expert Advisor 最终就会开始负向交易。

假设我收集了 200 个轨迹库。我对它进行了 100,000 次迭代训练。然后 我 从测试中添加了 10 次，Research.mqh 在数据库中添加了 10-15 个新示例。我设置了 MinProfit 边界，例如-3000。

我进行下一次训练（100 000 次迭代）。我再次从Research.mqh 中添加了 10 个测试通过实例和 10-15 个实例，并将 MinProfit 设置为 -2500。

再次进行训练（100000 次迭代）。 MinProfit=-2000.

以此类推。我明白了吗？让我感到困惑的是，测试中经常会出现 -7000 甚至 -9000 的大负值。而且在基础中会有很多。难道网络不是被训练成故意在负值中交易的吗？

如果测试结果比前一次更差，该怎么办？我是否应该将MinProfit 改为负值？如果Research.mqh 在 指定限制（例如，MinProfit =-500）的100 次测试中无法在数据库中找到并添加任何内容，该怎么办？

 
Viktor Kudriavtsev 交易数量 的示例数据库，同时考虑到训练中添加的示例，比如说以 1000 条轨迹为基础？

最老的会被删除。它是根据先进先出原则组织的，即先进先出。

 
Viktor Kudriavtsev #:

如果我没理解错的话，这里写的是您用 Test.mqh Expert Advisor 做了 10 次测试（经过 500 000 次迭代训练）。然后，您说您又做了 15 次收集-训练-测试（循环）。然后你得到了一个工作模型。所以我不明白，你是否在循环的每个阶段都运行了 10 次 Test.mqh Expert Advisor？我遇到的问题是，如果我这样做，就会在基础中得到更多的负面示例，而智能交易系统最终会开始负向交易。

我在策略测试器中有条件地运行了 10 次，以估算模型结果的散点极限。在随后的优化模式下收集轨迹时，我会选择上量值来选择最佳轨迹。

12
新评论