오래 전의 일이지만 안정성과는 아무런 관련이 없습니다. 모델이 안정적이라는 말은 (1) 올바르게 미분화되었고, (2) 분산 모델링(여러 모델), (3) 평균 모델링(ARIMA-AFRIMA), (4) 분포를 모델링했다는 말입니다. 간단히 말해서 고정성이 아닌 모델링이 가능했는지 여부입니다. 루거 패키지로 판단하면 사람들은 고정성이 아닌 것에서 엄청난 수의 뉘앙스를 구분합니다.
СанСаныч Фоменко #: 오래 전의 일이지만 고정성과는 관련이 없습니다. 1보다 작을수록 모델의 안정성을 나타내는데, (1) 미분화, (2) 분산 모델링(많은 모델), (3) 평균 모델링(ARIMA-AFRIMA), (4) 분포 모델링이 제대로 이루어졌음을 나타냅니다. 요컨대, 이들은 고정성이 아닌 분포를 모델링하려고 합니다.
이 가르치의 실제 적용 코드를 볼 수 있을까요? 아니면 연습 한 방울 없이 브로셔를 그대로 옮긴 것일까요?
이 가사의 실제 적용 코드를 볼 수 있을까요? 아니면 실습 없이 브로셔를 그대로 옮겨 놓은 것일까요?
몇 년 전(2017-2918년)에 시도했지만 너무 복잡해서 포기했습니다. 우르치:우르치스펙 평가하기.게다가 매개변수가 서로 연결되어 있고, 모든 것이 최적화에 묶여 있으며, 한 발짝만 옆으로 물러서면 몇 시간 동안 모델을 피팅해야 합니다. 결과가 인상적이지 않았지만 이는 제 잘못이지 모델의 곡률 때문이 아닙니다.
지적으로 우리 대부분이 인공지능으로 대체될 수 있다고 생각합니다.)
예....
하지만 아직 몇 년 또는 몇 달이 더 남았습니다.))
현재로서는 강력한 AI를 출시하기 위한 두 가지 문제가 있습니다.
1. 너무 탐욕스러운 아키텍처
2. 너무 약한 하드웨어
이는 본질적으로 동전의 양면과 같습니다...
그러나 첫 번째 문제와 두 번째 문제를 모두 해결하기위한 작업이 진행 중입니다.
그들은 아키텍처를 서두르지 않지만 (신경망은 우리의 모든 것입니다)그래야 할 것이지만 빠른 하드웨어 (양자 컴퓨터)를 사용하면 모든 것이 훨씬 더 활발해집니다.
여기에서는 비정상적인 데이터에 대해서도 t-검정이 때때로 잘 작동한다고 말합니다.
예....
하지만 아직 몇 년 또는 몇 달이 더 남았습니다.)
지금까지 강력한 AI를 출시하는 데는 두 가지 문제가 있습니다.
1. 너무 탐욕스러운 아키텍처
2. 너무 약한 하드웨어
기본적으로 동전의 양면과 같습니다....
하지만 첫 번째 문제와 두 번째 문제를 모두 해결하기 위한 작업이 진행 중입니다....
그들은 아키텍처를 서두르지 않고 (신경망이 우리가 가진 전부입니다) 아키텍처를변경해야하지만 빠른 하드웨어 (양자 컴퓨터)를 사용하면 훨씬 더 활동적입니다.
AI의 위협은 존재하지만 모호한 거리에서, 그리고 자연 지능이란 무엇인가라는 질문에 답한 후에야 가능합니다. 현재로서는 이에 대한 접근 방식이 없습니다.
오래 전의 일이지만 고정성과는 관련이 없습니다. 1보다 작을수록 모델의 안정성을 나타내는데, (1) 미분화, (2) 분산 모델링(많은 모델), (3) 평균 모델링(ARIMA-AFRIMA), (4) 분포 모델링이 제대로 이루어졌음을 나타냅니다. 요컨대, 이들은 고정성이 아닌 분포를 모델링하려고 합니다.
이 가르치의 실제 적용 코드를 볼 수 있을까요? 아니면 연습 한 방울 없이 브로셔를 그대로 옮긴 것일까요?
이 가사의 실제 적용 코드를 볼 수 있을까요? 아니면 실습 없이 브로셔를 그대로 옮겨 놓은 것일까요?
몇 년 전(2017-2918년)에 시도했지만 너무 복잡해서 포기했습니다. 우르치:우르치스펙 평가하기.게다가 매개변수가 서로 연결되어 있고, 모든 것이 최적화에 묶여 있으며, 한 발짝만 옆으로 물러서면 몇 시간 동안 모델을 피팅해야 합니다. 결과가 인상적이지 않았지만 이는 제 잘못이지 모델의 곡률 때문이 아닙니다.
1) 몇 년 전(2017-2918년)에 시도해 보았지만 너무 복잡해서 포기했습니다.
2) 결과에 감명을 받지 못했지만 이는 모델의 곡률 때문이 아니라 제 잘못입니다.
그렇다면 왜이 쓰레기를 여기에 정기적으로 광고합니까????
나는 아무것도 시도하고 싶지 않고 이미 수년 동안 시도해 왔습니다....
나는 무엇이 효과가 있고 무엇이 효과가 없는지 시도하지 않고도 알 수 있습니다....
알고리즘이 시장을 시계열로 본다면 확률적이든 칭찬받은 가치이든 상관없이 한 번에 작별 인사를하십시오.
저에 대한 결과는 이미 미리 결정되어 있습니다.
이 스레드를 살펴보기 위해 방문한 것은 이번이 두 번째 또는 세 번째입니다. 바뀐 것은 없고 수천 페이지만 추가되었습니다. 처음이든 마지막이든. 똑같아요.
머신러닝은 정적인 것에서만 작동합니다.
미래를 예측한다는 것은 말도 안 되는 소리입니다.