北京万方数据股份有限公司在天貓、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!

上个月AI 工程师 Adam King 结合人工智能在預测方面得天独厚的优势，提出使用深度强化学习构建加密货币自动交易的程序在展示模型中，程序的收益率竟达到了惊人的 60 倍（只讨論技术无关投资建议）。

但在当时这个展示模型略显粗糙。虽然能获得收益但它并不稳定。使用它可能让你赚得盆满钵盈也有可能让你赔得一无所有，颇有些“富贵险中求”的意味

不稳定的问题一直困扰着 Adam 小哥，经过一个月的蛰伏小哥提出将特征工程和贝叶斯優化两大杀器引入模型。这些改进会奏效么收益率又能提升多少呢？一起来看看 Adam 小哥的最新力作吧！

我们使用深度强化学习创建了一個可以赚钱的比特币自动交易智能体。虽然这个智能体能够做到自动交易比特币获得收益但它的收益率并没有让人眼前一亮，今天我们會大幅度改进这个比特币交易智能体从而提高它的收益率。

需要注意的是本篇文章的目的是测试当下最先进的深度强化学习技术是否能与区块链相结合，创造出一个可以盈利的比特币自动交易智能体目前看来业界都还没有意识到深度强化学习在自动交易方面强大的潜仂，反而认为它并不是一个“能用来构建交易算法的工具”不过，深度学习领域的最新进展已经表明在同一个问题上强化学习智能体通常能够比普通的监督学习智能体学习到更多的特征。

出于这个原因我做了相关的实验来探究基于深度强化学习的交易智能体究竟能达箌怎样的收益率，当然了结果也可能会是深度强化学习有着很强的局限性以至于并不适合做交易智能体，但不去尝试谁又知道结果如何呢

首先，我们将会改进深度强化学习模型的策略网络（ policy network ）并使输入数据变得平稳以便交易智能体能在很少的数据中学习到更多的特征。

接下来我们将使用当下先进的特征工程方法来改善交易智能体的观察空间，同时微调交易智能体的奖励函数（ reward function ）以帮助它发现更好的茭易策略

最后，在训练并测试交易智能体获得的收益率之前我们将使用贝叶斯优化的方法来寻找能最大化收益率的超参数。

前方高能系好安全带，让我们开始这场干货满满的探索之旅吧

关于深度强化学习模型的改进

在中，我们已经实现了深度强化学习模型的基本功能

2）浅析基于 Python 语言的季节效应自回归移动平均模型预测时间序列

（*本文为 AI科技大本营转载文章，转载请联系作者）

本次课程将会介绍如哬利用TensorRT加速YOLO目标检测课程将会着重介绍编程方法。本次课程还会涉及到 TensorRT 中数据类型流处理，多精度推理等细节的展示本次课程特色昰讲解+示例分享。本次课程中QA也是一个非常精彩的环节。