使用神经网络搜索任意模式 - 页 6

[Aliaksandr Hryshyn]

彼得，在熟悉了网子之后，看看卷积网吧。

[Igor Makanu]

Реter Konow:

通过价格数据识别是一回事，通过颜色识别是另一回事。仍然是完全不同的方法和机制。

你认为个人电脑有一个彩色图表方案有意义吗？)))

好吧，我放弃了，否则你会继续让我笑的))))。

对于NS，甚至对于任何与PC互动的算法，所有数据都将以数组的形式呈现（内存或数组在这里并不重要）。

而且你把NS教给OHLC数组或截图比特掩码数组不会有任何区别。

.....，虽然在机器学习中，有一定的 "技巧"，数据和配置以及NS的类型可能很重要 - 但在这里更多的是随机性规则;)

[Реter Konow]

Igor Makanu:

你认为个人电脑的图形配色有意义吗？)))

好吧，我放弃了，否则你会继续让我笑的))))。

对于NS来说，实际上对于任何与PC交互的算法来说，所有的数据都将以数组的形式呈现（内存或数组在此并不重要）。

而且你把NS教给OHLC数组或截图比特掩码数组不会有任何区别。

.....，虽然在机器学习中，有一定的 "技巧"，数据和配置以及NS的类型可能很重要 - 但在这里更多的是随机性规则;)

毫无疑问，你比我更了解国防部，但这里有一个逻辑上的不一致。OCHL数据和模式截图数据在计算机层面是根本不同的数据。在价格的情况下，它是双倍的，在颜色的情况下，它是uint。在OCHL的情况下，我们需要分析条形价格参数值的相关性，而在图片的情况下，需要分析与所寻求的图像的对应关系。用OCHL数据进行训练是为了寻找数字模式，而不是图形模式（可以理解为，对网络来说也是数字）。另一方面，学习图形模式则使用完全不同的材料和方法。 也许通过数字 模式找到一个图形 模式是错误的。 我认为这些是学习和认识的不同方法。

[Реter Konow]

Aliaksandr Hryshyn:
彼得，在熟悉了网子之后，看看卷积网吧。

我会的。

[Dmitry Fedoseev]

圣母玛利亚!

[Реter Konow]

而每个图案的OCHL数据量是~10或100个数字，而一个图形图像~300*300像素的颜色值。

[Реter Konow]

Dmitry Fedoseev:

圣母玛利亚!

不要自责那么多次，每个人都会犯错）。

[Dmitry Fedoseev]

Реter Konow:
不要太自责，每个人都会犯错）。

但不是每个人都像这样伸长脖子。

[Реter Konow]

Igor Makanu:

唉，你是无法修复的!

计算机并不关心它所处理的内容--最终它甚至不知道它所得到的是什么，无论是图片还是核弹数据或OHLS......数字就是数字，因为它们是!

我甚至不知道还能怎么解释，个人电脑没有任何聪明之处--它是一台哑巴机器，你给它的东西进入算法，它就会在算法中进行处理！"。

那么你解释了吗？

))))

你认为NS是一个 "魔杖"，无论你给它什么，你总是能得到你需要的东西吗？数据是什么并不重要，数据有多大也不重要。这都是数字...

那么我不明白，找到模式的算法在哪里？这个 "万能的 "NS在哪里？他们研究MO这么久了，MT的武器库中仍然没有 "模式识别器"。

[Реter Konow]

Dmitry Fedoseev:

但不是每个人都像这样伸长脖子。

作为一个专家，你能做出一个能在任何图表和时间框架上识别至少5种模式的NS吗？