文章 "神经网络变得简单（第 73 部分）：价格走势预测 AutoBot"
您好。文件夹中已经有五个智能顾问。请问您是按照什么顺序启动它们的？还有。过去文章的链接变得像重复的 Goto，让人找不到踪迹。
德米特里的又一力作！我花了 5 天时间训练模型！
这是迄今为止第二好的文章！<3
这是迄今为止第二好的文章！<3
出于某种原因，所有的赞美都只用外语。没有一句是我们的语言。
star-ik #:
您好。文件夹中已经有五个智能顾问。请问您是按照什么顺序运行它们的？
您好。文件夹中已经有五个智能顾问。请问您是按照什么顺序运行它们的？
0.ResearchRealORL.mq5 - 我们在一开始（不一定） 就运行它，以初步收集轨迹。但在启动之前，您需要做一些准备工作，从信号或其他来源收集真实的轨迹。第 67 条 介绍了这一过程
1. research.mq5 - 通过随机策略运行初始轨迹收集，并在每次迭代策略训练后更新示例数据库。需要在示例数据库中至少运行一次。
2. StudyEncoder.mq5 - "长时间 "运行一次，以训练轨迹预测模型。
3.Study.mq5 - 与Research.mq5 一起迭代运行，以训练代理策略。需要一个主要示例数据库和一个训练有素的轨迹预测模型。
4.Test.mq5 - 用于在策略测试器中测试训练好的策略。
Нейросети — это просто (Часть 67): Использование прошлого опыта для решения новых задач
- www.mql5.com
В данной статье мы продолжим разговор о методах сбора данных в обучающую выборку. Очевидно, что в процессе обучения необходимо постоянное взаимодействие с окружающей средой. Но ситуации бывают разные.
文件夹中没有StudyEncoder.mq5。但有 Alternate 和 Study Traj，这是你没有提到的。
star-ik 交易历史记录的 资源。只有当前信号。请至少提供几个链接，谁能提供。请提供。
任何信号的历史页面底部都有一个链接
新文章 神经网络变得简单（第 73 部分）：价格走势预测 AutoBot已发布：
我们将继续讨论训练轨迹预测模型的算法。在本文中，我们将领略一种称为 “AutoBots” 的方法。
有效预测货币对的走势是安全交易管理的一个关键方面。在这种情况下，要特别关注开发有效的模型，即可以准确地近似制定交易决策所需的语境联合分布，和时序信息。作为该类任务的可能解决方案，我们讨论一种称为《潜变量顺序集合转换器》（AutoBots）的新方法，该方法是在论文《联合多个体运动预测的潜变量顺序集合转换器》中表述。所提议方法基于编码器-解码器架构。开发它是为了解决机器人系统的安全控制问题。它允许为多名个体生成与场景一致的轨迹序列。AutoBots 能预测一个自主个体的轨迹，或场景中所有个体的未来轨迹分布。在我们的情况中，我们将尝试应用所提议的模型来生成与市场动态一致的货币对价格走势序列。
作者：Dmitriy Gizlyk