Рассказ Алексея Редозубова о роли "языка" в контекстно-смысловой модели и решении задач NLP с ее помощью.Вебинар состоялся в четверг, 22.10.2020.Дан экскурс ...
아니요, 이제 우리는 불평등 규칙의 이행을 하나로 간주하고 규칙이 샘플에 의해 트리거될 때 대상의 평균 값(예: 이진 분류)을 살펴봅니다. 예를 들어 초기 평균 값이 0.45인 경우 표본이고 응답에 의한 평가 후에 0.51이 된 후 예측자(해당 세그먼트/양자)의 예측력이 0.06, 즉 0.06이라고 가정합니다. 6%.
우리는 이미 독립적인 이진 예측 변수인 섹션이 있는 이러한 예측 변수 집합을 수집하고 이를 기반으로 모델을 구축합니다.
그러한 모든 양자를 모두(예측력이 있든 없든)와 결합하는 것은 실제로 빠른 일이 아니지만 예측 능력이 있는 양자가 식별된 기본 예측자로 수행되는 경우 비합리적이지 않을 수 있습니다.
아니요, 이제 우리는 불평등 규칙의 이행을 하나로 간주하고 규칙이 샘플에 의해 트리거될 때 대상의 평균 값(예: 이진 분류)을 살펴봅니다. 예를 들어 초기 평균 값이 0.45인 경우 표본이고 응답에 의한 평가 후에만 0.51이 된 후 예측자(해당 세그먼트/양자)의 예측력이 0.06, 즉 0.06이라고 가정합니다. 6%.
얼마나 정확하게 코딩되는지 (조합의 관점에서) 큰 차이가 없습니다. 본질은 동일합니다. 각 줄에는 표시로 어떤 규칙을 따르고 어떤 규칙을 따르지 않는지 기록됩니다. 이것은 항상 2^N 옵션이며, 여기서 N은 규칙의 수입니다. 그런 다음 각 규칙이 최종 세트에 포함되는지 여부가 선택됩니다. 이는 이미 2 ^ (2 ^ N) 옵션입니다. 이러한 옵션 집합을 형식적으로 단순히 정렬하는 것은 비현실적임이 분명합니다. 따라서 어떻게든 합리적으로 분류하는 것이 합리적입니다. 예를 들어, 먼저 하나의 규칙으로만 설명되는 모든 옵션을 선택한 다음 두 개만 사용하는 식입니다. 글쎄, 또는 그런 것.
분명히, UTB로 판단되는 이유는??
나는 그의 두 사이트에 대한 링크를 통해 실행했습니다. 모스크바 지역에도 아이디어가 구현되어 있습니다. 그 의미는 각각 별도의 그리드(예: autoencoder)인 대규모 컨텍스트 집합으로 실현됩니다.
나는 그의 두 사이트에 대한 링크를 통해 실행했습니다. 모스크바 지역에도 아이디어가 구현되어 있습니다. 그 의미는 각각 별도의 그리드(예: autoencoder)인 대규모 컨텍스트 집합으로 실현됩니다.
그리고 컨텍스트의 구현만을 의미했습니까? 나는 당신이 일반적으로 그의 AI에 대해 이야기하고 있다고 생각했습니다.
다음은 Alexey가 자신의 AI 모델에 대해 이야기하는 연설입니다 (고대, 철학 등 제외).
그는 AGI 커뮤니티에 대해 이야기합니다. 이들은 모든 네트워크, 학습에 완벽하게 익숙한 알고리즘의 트렌드를 설정하는 사람들입니다. 강화 등으로
저로서는 시장에 대한 우리의 접근 방식이 얼마나 원시적인지 보고, 이해하고, 깨닫는 것이 흥미롭습니다.
AI - 새로운 복합 문제를 해결하기 위해 신경망을 구축하는 기계의 능력 :)
처음에는 목표에 도달하기 전에 장애물을 설명하는 알고리즘이 필요하며 AI는 네트워크 구성 자체를 결정하는 동안 문제를 조각으로 나누고 해결을 위한 네트워크를 구축해야 합니다.
제 생각에 가장 중요한 것은 현대 금융 수학에 대한 이해와 이에 사용되는 ML입니다. 이는 가격을 형성하는 모든 주요 업체가 사용하기 때문에 필요합니다.
YouTube에서 주제에 대한 강의 .
제 생각에 가장 중요한 것은 현대 금융 수학에 대한 이해와 이에 사용되는 ML입니다. 이는 가격을 형성하는 모든 주요 업체가 사용하기 때문에 필요합니다.
YouTube에서 주제에 대한 강의 .
금융 수학 및 MO에서 이해해야 할 사항은 무엇입니까? 시장과 그 참여자의 역학을 알아야 합니다.
몹은 카운터 에이전트가 "큰 플레이어"이기 때문에 대부분의 시간을 잃을 수밖에 없습니다.
1) 소매의 구매자와 판매자의 불균형을 볼 필요가 있습니다. 예를 들어 판매자가 많으면 거래의 다른 쪽 끝에 "주요 플레이어"(구매자)가 있습니다.
예를 들어 지금 유대인에는 많은 판매자가 있습니다.
2) 군중에 대한 순간에 거래도 있습니다. 이것은 이미 시장 조성자를 거래하고 있습니다.
가격은 항상 군중의 위치의 역학에 반하여 움직이는 것을 볼 수 있습니다(역상관)
군중이 구매하고 성장을 믿는 동안 가격은 떨어지고 그 반대도 마찬가지입니다.
그게 다 시장이야..
ps. 영상 잘 보고 갑니다
각 예측 변수에 대해 0.5<X<7.3 유형의 규칙이 취해집니다.
예, 그렇게 말합시다.
그런 다음 가능한 조합의 수를 만듭니다.
아니요, 이제 우리는 불평등 규칙의 이행을 하나로 간주하고 규칙이 샘플에 의해 트리거될 때 대상의 평균 값(예: 이진 분류)을 살펴봅니다. 예를 들어 초기 평균 값이 0.45인 경우 표본이고 응답에 의한 평가 후에 0.51이 된 후 예측자(해당 세그먼트/양자)의 예측력이 0.06, 즉 0.06이라고 가정합니다. 6%.
우리는 이미 독립적인 이진 예측 변수인 섹션이 있는 이러한 예측 변수 집합을 수집하고 이를 기반으로 모델을 구축합니다.
그러한 모든 양자를 모두(예측력이 있든 없든)와 결합하는 것은 실제로 빠른 일이 아니지만 예측 능력이 있는 양자가 식별된 기본 예측자로 수행되는 경우 비합리적이지 않을 수 있습니다.
일반적으로 N이 작으면(샘플 크기에 따라 다름) 작동할 수 있고 N이 크면 과적합이 발생합니다.
그러나 이론상으로도 전체 샘플보다 가능한 조합이 더 적기 때문에 이 과적합은 적습니다.
그러한 양자 법칙이 7년 동안 작동하다가 갑자기 멈출 수 있는 이유를 이해하는 것이 남아 있습니다.
즉시 사용 가능한 다양한 유형의 트렌드 테스트
R 최고!!!!
아니요, 이제 우리는 불평등 규칙의 이행을 하나로 간주하고 규칙이 샘플에 의해 트리거될 때 대상의 평균 값(예: 이진 분류)을 살펴봅니다. 예를 들어 초기 평균 값이 0.45인 경우 표본이고 응답에 의한 평가 후에만 0.51이 된 후 예측자(해당 세그먼트/양자)의 예측력이 0.06, 즉 0.06이라고 가정합니다. 6%.
얼마나 정확하게 코딩되는지 (조합의 관점에서) 큰 차이가 없습니다. 본질은 동일합니다. 각 줄에는 표시로 어떤 규칙을 따르고 어떤 규칙을 따르지 않는지 기록됩니다. 이것은 항상 2^N 옵션이며, 여기서 N은 규칙의 수입니다. 그런 다음 각 규칙이 최종 세트에 포함되는지 여부가 선택됩니다. 이는 이미 2 ^ (2 ^ N) 옵션입니다. 이러한 옵션 집합을 형식적으로 단순히 정렬하는 것은 비현실적임이 분명합니다. 따라서 어떻게든 합리적으로 분류하는 것이 합리적입니다. 예를 들어, 먼저 하나의 규칙으로만 설명되는 모든 옵션을 선택한 다음 두 개만 사용하는 식입니다. 글쎄, 또는 그런 것.
그러한 양자 법칙이 7년 동안 작동하다가 갑자기 멈출 수 있는 이유를 이해하는 것이 남아 있습니다.
예를 들어 조만간 다른 많은 플레이어도 찾을 수 있을 것입니다.