トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 1748 1...174117421743174417451746174717481749175017511752175317541755...3399 新しいコメント Maxim Dmitrievsky 2020.04.27 10:39 #17471 レタグ・コノウ。 NSの仕事は、オプティマイゼーションと何らかの関係があるのですね。 はい、fs(ニューロン)の最適化について。ただ、数が多いので、いろいろと連動させることができます Valeriy Yastremskiy 2020.04.27 10:44 #17472 マキシム・ドミトリエフスキー: アハハハ )))) もちろん、あるところでは失礼であり、間違っているとさえ言えますが、あるところだけです。そして、よりクリアに。極限探索の 最適化には、最長で全探索が必要です))))GSFは、はるかに高い周波数の処理に、拘束されていない低周波の処理を重ねたもので、探索の最適化は論理的に間引きされたものである。それ以外のことは理解しやすいんです。 Aleksey Nikolayev 2020.04.27 10:54 #17473 レジェックス・コノウ。 ある程度は必須です。自分で作ったものしか、本当の意味で理解することはできないのです。NSのコンセプトの原型を再現しようとしているのです。 コンセプトは非常にシンプルで、どんな多次元関数も1次元の関数の合成で近似できる。もう「機能」という概念を発明してほしい) Реter Konow 2020.04.27 11:05 #17474 アレクセイ・ニコラエフ コンセプトは非常にシンプルで、どんな多次元関数も1次元の関数の合成で近似できる。すでに「機能」という概念を発明していることを期待します) 多変量関数」という概念について、別途定義されたものは見つかりませんでした。確率論の「分布関数」があり、その中に「多変量分布関数」の一種が考えられているが、MO技術については語られていない。多次元関数がNSと関係があるとしても、その本質からかけ離れていることは明らかである。おそらく、技術的なニュアンスの実装に関連するものでしょう。本質を理解しようとしているのです。 Valeriy Yastremskiy 2020.04.27 11:10 #17475 アレクセイ・ニコラエフ コンセプトは非常にシンプルで、どんな多次元関数も1次元の関数の合成で近似できる。すでに「機能」という概念を発明していることを期待します) マイナス1引数による1次元への分解は普通に理解できるが、この1次元の構成でどのように全探索より速く極値を見つけることができるかを説明するのは簡単である。 Реter Konow 2020.04.27 11:10 #17476 ここで、理解を深めるためにもう一つ考えておきたいことがあります。機能(ニューロン)内のデータの一部を「重み」に変換することで、それらを統一し、ネットワークの応用を普遍化することを意図しています。 Реter Konow 2020.04.27 11:15 #17477 皆さんは、ネットワークをトレーニング する際に最適な値を見つけるというメカニズムにこだわっているようですが、トレーニングは装置の本質ではなく、プロセスの一部です。 Maxim Dmitrievsky 2020.04.27 11:15 #17478 タグコノウ。 ここで、理解を深めるためにもう一つ考えておきたいことがあります。 機能(ニューロン)内のデータの一部を「重み」に変換することで、それらを統一し、ネットワークの応用を普遍化することを意図している。 説明用のビデオを録画してください。 Реter Konow 2020.04.27 11:19 #17479 マキシム・ドミトリエフスキー 説明付きのビデオを録画してください、とても不明瞭です まだ早すぎて、あまり理解できていない。 Aleksey Nikolayev 2020.04.27 11:22 #17480 Reg Konow: 「多次元関数」の独立した定義は見つかっていません。確率論の「分布関数」があり、その中で「多変量分布関数」のようなものが考えられていますが、MO技術については触れられていません。 。 多次元関数がNSと関係があるとしても、その本質からかけ離れていることは明らかである。おそらく、技術的なニュアンスの実装に関係するものだと思います。一方、私は本質を理解しようとしています。 多次元関数とは、定義域が多次元空間である通常の数学関数である。NSの場合、それは特徴空間 である。 数学者としてお聞きしたいのですが、学校では一般的に数学を勉強されたのでしょうか)? 1...174117421743174417451746174717481749175017511752175317541755...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
NSの仕事は、オプティマイゼーションと何らかの関係があるのですね。
はい、fs(ニューロン)の最適化について。ただ、数が多いので、いろいろと連動させることができます
アハハハ ))))
もちろん、あるところでは失礼であり、間違っているとさえ言えますが、あるところだけです。そして、よりクリアに。極限探索の 最適化には、最長で全探索が必要です))))GSFは、はるかに高い周波数の処理に、拘束されていない低周波の処理を重ねたもので、探索の最適化は論理的に間引きされたものである。それ以外のことは理解しやすいんです。
ある程度は必須です。自分で作ったものしか、本当の意味で理解することはできないのです。NSのコンセプトの原型を再現しようとしているのです。
コンセプトは非常にシンプルで、どんな多次元関数も1次元の関数の合成で近似できる。もう「機能」という概念を発明してほしい)
コンセプトは非常にシンプルで、どんな多次元関数も1次元の関数の合成で近似できる。すでに「機能」という概念を発明していることを期待します)
コンセプトは非常にシンプルで、どんな多次元関数も1次元の関数の合成で近似できる。すでに「機能」という概念を発明していることを期待します)
マイナス1引数による1次元への分解は普通に理解できるが、この1次元の構成でどのように全探索より速く極値を見つけることができるかを説明するのは簡単である。
ここで、理解を深めるためにもう一つ考えておきたいことがあります。
説明用のビデオを録画してください。
説明付きのビデオを録画してください、とても不明瞭です
「多次元関数」の独立した定義は見つかっていません。確率論の「分布関数」があり、その中で「多変量分布関数」のようなものが考えられていますが、MO技術については触れられていません。
。
多次元関数とは、定義域が多次元空間である通常の数学関数である。NSの場合、それは特徴空間 である。
数学者としてお聞きしたいのですが、学校では一般的に数学を勉強されたのでしょうか)?