그것은 10억 번 말되었습니다 - 그것은 모두 입력 데이터에 관한 것입니다. 다만 가격이 불가피한 비정상성으로 인해 작동하지 않을 뿐입니다.
10억 번 요청 - 연구를 체계화하십시오.
당신의 숲/네트워크는 어떤 종류의 데이터로 돈을 벌 수 있습니까? 실제 VR과 그 첫 번째 차이점에 이러한 클러스터가 있습니까?
다시 한 번 힌트 - Doc은 틱 시리즈에 대해 많은 연구를 수행했지만 매우 어려운 작업이었습니다. 엷게 하지 않고 엷게 합니다. 인공 랜덤 시퀀스 등을 연구하는 것뿐입니다. 이 모든 것이 표와 그래프로 축소되었습니다. 그 결과 그는 포럼에서 사라졌습니다. Grail 을 찾은 것 같아요. 내 LAN에 있는 그의 메시지로 판단하면 이것은 "거의 아마도" 정확히 그렇습니다.
매우 빠르게 진행됩니다. NS, 가장 유망한 RL 유형 하이킹이 연구된 지 1년도 안 되어 접근 방식을 나타내는 몇 가지 기사가 작성되었습니다.
이제 기계 학습에서 가장 빠르게 발전하는 베이지안 접근 방식이 연구되고 있습니다. 베이즈 + RL. 그리고 네, 모두 영어로 되어 있습니다. 언어.
내가 하는 모든 것은 일반적으로 현재 모스크바 지역에서 가장 멋진 일이고 어렵습니다. 그래서 50년 전에 알려졌던 후진 유치원도 읽지 않습니다. MO는 그 이후로 먼 길을 왔습니다.
맥스, 다 이해하지만 그래도...
Doc의 메시지를 다시 한 번 인용하겠습니다. 그 후 그의 결과는 실제로 개선되기 시작했습니다.
" 아카이브에는 실험을 위한 두 개의 파일이 있습니다. 둘 다 정규 분포의 값을 포함하며 히스토그램은 동일하고 거의 0에 대해 대칭입니다.
그러나 이러한 파일에는 한 가지 매우 큰 차이점이 있습니다. 바로 Markovian입니다. 한 파일에 메모리(비 Markov 프로세스)가 있으므로 과거 값을 기반으로 "0보다 크거나 작은 다음 값"을 예측할 수 있습니다. 예측을 위해 뉴런 및 기타 기계 학습을 사용할 수 있습니다. 다른 파일에는 메모리가 없으므로(Markov 프로세스) 모든 예측이 실패합니다. 기계 학습은 무력하지만 아마도 Alexander는 물리학으로 무언가를 예측할 수 있을 것입니다.
어떤 메모리 파일이 어떤 것이 잘못되었는지 결정하는 법을 배우는 사람은 누구나 Forex에 동일한 방법을 적용하여 가격 책정 프로세스가 정말 Markovian인지 여부를 스스로 증명할 것입니다.
정규 분포가 실제로 모형의 수익성을 위한 충분 조건인지 여부도 동시에 확인할 가치가 있습니다. 랜덤 워크 차트를 cumsum()으로 만들어 거래해 보세요."
간단히 말해서 그가 먼저 "메모리"로 인공 데이터 작업을 배운 다음 실제 VR에 할당하는 방법을 어리석게 배웠습니다.
Doc의 메시지를 다시 한 번 인용하겠습니다. 그 후 그의 결과는 실제로 개선되기 시작했습니다.
" 아카이브에는 실험을 위한 두 개의 파일이 있습니다. 둘 다 정규 분포의 값을 포함하며 히스토그램은 동일하고 거의 0에 대해 대칭입니다.
그러나 이러한 파일에는 한 가지 매우 큰 차이점이 있습니다. 바로 Markovian입니다. 한 파일에 메모리(비 Markov 프로세스)가 있으므로 과거 값을 기반으로 "0보다 크거나 작은 다음 값"을 예측할 수 있습니다. 예측을 위해 뉴런 및 기타 기계 학습을 사용할 수 있습니다. 다른 파일에는 메모리가 없으므로(Markov 프로세스) 모든 예측이 실패합니다. 기계 학습은 무력하지만 아마도 Alexander는 물리학으로 무언가를 예측할 수 있을 것입니다.
어떤 메모리 파일과 그렇지 않은지 결정하는 법을 배우는 사람은 누구나 Forex에 동일한 방법을 적용하여 가격 책정 프로세스가 정말 Markovian인지 여부를 스스로 증명할 것입니다.
정규 분포가 실제로 모형의 수익성을 위한 충분 조건인지 여부도 동시에 확인할 가치가 있습니다. 랜덤 워크 차트를 cumsum()으로 만들어 거래해 보세요."
간단히 말해서 그가 먼저 "메모리"로 인공 데이터 작업을 배운 다음 실제 VR에 할당하는 방법을 어리석게 배웠습니다.
그게 다야.
글쎄, 그게 요점이 아니야, 어떻게 ... 당신이 보지 못하는, 비 고정성은 그러한 프로세스에 내재되어 있으며 대다수와 마찬가지로 정규 분포에 집착합니다. 증분에 제한이 생기 자마자 모든 것이 정상입니다 분배, 역방향에서 - 그것은 항상 비정상적일 것이고 심지어 아예 없을 것입니다. 그러한 과정의 표현, 분배의 부족은 어떻습니까?
막심 드미트리예프스키 :
이미 많은 테스트와 스크린샷을 적용했는데 누가 무엇을 필요로 하는지 모르겠습니다. 영원한 탈것은 없다 상황에 따라 돈을 버는 것은 어렵지 않다
그래서 나는 여기서 당신이 무언가를 바꾸려고 할 수 있다는 것을 깨달았습니다.
오류로 인해 개선되거나 악화된 사항은 무엇입니까? 이론상 - 그래야 하기 때문입니다. 나눗셈이 진행되는 마지막 지점까지.
Max에서 배럴을 굴릴 필요가 없습니다.
사실 그는 이 가지를 혼자 잡아당깁니다. 좋고 나쁨은 다른 문제입니다. 그러나 그 덕분에이 지점은 여전히 적어도 관련성이 있습니다.
지금 이 분기를 제거하십시오. 그러면 포럼에서 읽을 것이 전혀 없으며 다른 사람들의 부끄러운 프로그램 코드를 이해하기 위해서만 "+"와 "-"가 혼동되는 위치에 있습니다.
글쎄, 나무와 숲의 크기가 전체적으로 줄어들었습니까?
오류로 인해 개선되거나 악화된 사항은 무엇입니까? 이론상 - 그래야 하기 때문입니다. 나눗셈이 진행되는 마지막 지점까지.
아직 해보지 않고 그냥 '바라보기'만 했는데, 앉아서 뒹굴뒹굴 하는 날도 없어요 :)
난폭한 반역자)) 하나는 궁금하다 - 두뇌가 빵과 같을 때 무엇을 오르기 위해
예! 가장 중요한 것은 "캐러밴"이 간다는 것입니다)
그것은 단지 천천히 진행됩니다 - 그것이 사람들이 분개하는 이유입니다.
그것은 10억 번 말되었습니다 - 그것은 모두 입력 데이터에 관한 것입니다. 다만 가격이 불가피한 비정상성으로 인해 작동하지 않을 뿐입니다.
10억 번 요청 - 연구를 체계화하십시오.
당신의 숲/네트워크는 어떤 종류의 데이터로 돈을 벌 수 있습니까? 실제 VR과 그 첫 번째 차이점에 이러한 클러스터가 있습니까?
다시 한 번 힌트 - Doc은 틱 시리즈에 대해 많은 연구를 수행했지만 매우 어려운 작업이었습니다. 엷게 하지 않고 엷게 합니다. 인공 랜덤 시퀀스 등을 연구하는 것뿐입니다. 이 모든 것이 표와 그래프로 축소되었습니다. 그 결과 그는 포럼에서 사라졌습니다. Grail 을 찾은 것 같아요. 내 LAN에 있는 그의 메시지로 판단하면 이것은 "거의 아마도" 정확히 그렇습니다.
매우 빠르게 진행됩니다. NS, 가장 유망한 RL 유형 하이킹이 연구된 지 1년도 안 되어 접근 방식을 나타내는 몇 가지 기사가 작성되었습니다.
이제 기계 학습에서 가장 빠르게 발전하는 베이지안 접근 방식이 연구되고 있습니다. 베이즈 + RL. 그리고 네, 모두 영어로 되어 있습니다. 언어.
내가 하는 모든 것은 일반적으로 현재 모스크바 지역에서 가장 멋진 일이고 어렵습니다. 그래서 50년 전에 알려졌던 후진 유치원도 읽지 않습니다. MO는 그 이후로 먼 길을 왔습니다.
맥스, 다 이해하지만 그래도...
Doc의 메시지를 다시 한 번 인용하겠습니다. 그 후 그의 결과는 실제로 개선되기 시작했습니다.
" 아카이브에는 실험을 위한 두 개의 파일이 있습니다. 둘 다 정규 분포의 값을 포함하며 히스토그램은 동일하고 거의 0에 대해 대칭입니다.
그러나 이러한 파일에는 한 가지 매우 큰 차이점이 있습니다. 바로 Markovian입니다.
한 파일에 메모리(비 Markov 프로세스)가 있으므로 과거 값을 기반으로 "0보다 크거나 작은 다음 값"을 예측할 수 있습니다. 예측을 위해 뉴런 및 기타 기계 학습을 사용할 수 있습니다.
다른 파일에는 메모리가 없으므로(Markov 프로세스) 모든 예측이 실패합니다. 기계 학습은 무력하지만 아마도 Alexander는 물리학으로 무언가를 예측할 수 있을 것입니다.
어떤 메모리 파일이 어떤 것이 잘못되었는지 결정하는 법을 배우는 사람은 누구나 Forex에 동일한 방법을 적용하여 가격 책정 프로세스가 정말 Markovian인지 여부를 스스로 증명할 것입니다.
정규 분포가 실제로 모형의 수익성을 위한 충분 조건인지 여부도 동시에 확인할 가치가 있습니다. 랜덤 워크 차트를 cumsum()으로 만들어 거래해 보세요."
간단히 말해서 그가 먼저 "메모리"로 인공 데이터 작업을 배운 다음 실제 VR에 할당하는 방법을 어리석게 배웠습니다.
그게 다야.
나는 메모리가 있는 인공 데이터에 대한 예를 들었고 모든 것이 잘 작동합니다. 시장의 비정상성, 모든 경우, 분포, 이 모든 것은 이미 명확합니다.
게다가, 내 거래 시스템도 꽤 오랫동안(자체 뉘앙스로) 작동해 왔으며 거래를 하지 않을 뿐입니다. 지금은 관심이 없습니다. 나는 단지 향상되고 있어, 새로운 것을 배우는 것이 흥미롭다
지난 기사에서 봇을 다운로드하고 인디언처럼 돈을 벌 수 있습니다. 누가 간섭합니까?!!!
죄송합니다. 어쩌면 나는 모든 것을 부주의하게 읽었습니다 ... 우리는 볼 것입니다.
!!!
죄송합니다. 어쩌면 나는 모든 것을 부주의하게 읽었습니다 ... 우리는 볼 것입니다.
이미 많은 테스트와 스크린샷을 적용했는데 누가 무엇을 필요로 하는지 모르겠습니다. 영원한 탈것은 없다 상황에 따라 돈을 버는 것은 어렵지 않다
이 지점에서 - 방문시. 순수 공유 기사 온
맥스, 다 이해하지만 그래도...
Doc의 메시지를 다시 한 번 인용하겠습니다. 그 후 그의 결과는 실제로 개선되기 시작했습니다.
" 아카이브에는 실험을 위한 두 개의 파일이 있습니다. 둘 다 정규 분포의 값을 포함하며 히스토그램은 동일하고 거의 0에 대해 대칭입니다.
그러나 이러한 파일에는 한 가지 매우 큰 차이점이 있습니다. 바로 Markovian입니다.
한 파일에 메모리(비 Markov 프로세스)가 있으므로 과거 값을 기반으로 "0보다 크거나 작은 다음 값"을 예측할 수 있습니다. 예측을 위해 뉴런 및 기타 기계 학습을 사용할 수 있습니다.
다른 파일에는 메모리가 없으므로(Markov 프로세스) 모든 예측이 실패합니다. 기계 학습은 무력하지만 아마도 Alexander는 물리학으로 무언가를 예측할 수 있을 것입니다.
어떤 메모리 파일과 그렇지 않은지 결정하는 법을 배우는 사람은 누구나 Forex에 동일한 방법을 적용하여 가격 책정 프로세스가 정말 Markovian인지 여부를 스스로 증명할 것입니다.
정규 분포가 실제로 모형의 수익성을 위한 충분 조건인지 여부도 동시에 확인할 가치가 있습니다. 랜덤 워크 차트를 cumsum()으로 만들어 거래해 보세요."
간단히 말해서 그가 먼저 "메모리"로 인공 데이터 작업을 배운 다음 실제 VR에 할당하는 방법을 어리석게 배웠습니다.
그게 다야.
글쎄, 그게 요점이 아니야, 어떻게 ... 당신이 보지 못하는, 비 고정성은 그러한 프로세스에 내재되어 있으며 대다수와 마찬가지로 정규 분포에 집착합니다. 증분에 제한이 생기 자마자 모든 것이 정상입니다 분배, 역방향에서 - 그것은 항상 비정상적일 것이고 심지어 아예 없을 것입니다. 그러한 과정의 표현, 분배의 부족은 어떻습니까?
이미 많은 테스트와 스크린샷을 적용했는데 누가 무엇을 필요로 하는지 모르겠습니다. 영원한 탈것은 없다 상황에 따라 돈을 버는 것은 어렵지 않다
네, 상황적으로 어렵지 않습니다. 문제는 체계화입니다.
이 지점에서 - 방문시. 순수 공유 기사 온
HFT가 아니라 늦었습니다))) 약 2년 전에 이 노래로 재미있었습니다. 지금은 썩었지만, 아마도 그들이 다른 것을 생각해낼지 누가 알겠습니까?