Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1538
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
dtw, análisis del espectro... un montón...
he conseguido crear un algoritmo que sabe ver los mismos patrones independientemente de su magnitud, es decir, el algoritmo mira un gráfico y ve el patrón tanto en el gráfico de 1 minuto como en el semanal, mirando sólo un gráfico, y puede hacer predicciones reales, pero aún me queda mucho trabajo
he empezado a leer sobre el dtw, pero no se como aplicarlo a una carta finlandesa y no se para que ) pero es un tema interesante, supongo
he empezado a leer algo sobre dtw, pero no he entendido cómo aplicarlo a las filas de las finanzas y por qué lo necesito ) pero el tema es interesante, supongo
los archivos de voz y música se comprimen con dtw y también son VR
;)
los archivos de voz y música se comprimen con dtw, que a su vez también son VR
;)
pero por qué comprimir los archivos financieros con dtw :)
pero por qué exprimir el tiempo fin. :)
Ya he estudiado este tema, en mis propias palabras, es algo así:
esto es lo que pasa condtw: es un algoritmo adecuado para comprimir BP - BP, no cualquier tipo de datos, sea cual sea
si sabemos cómo comprimir los datos correctamente, ¿obtenemos paquetes? - o que sean patrones de datos - son estos patrones de datos los que permiten crear algoritmos de reconocimiento del habla
así es como veo que se utilizael dtw
en principio se puede aplicar el dtwa la BP financiera, en mi opinión si no hay pérdida de datos después de la conversión (es decir, la conversión inversa es posible), entonces tiene sentido intentar aplicarlo a la BP financiera, como se dice, pero ¿y si?
SZS: leyó un artículo hace un par de añoshttps://habr.com/ru/post/135087/
Bueno, ya he estudiado este tema, en mis propias palabras, es algo así:
aquí está el valor dedtw - es el algoritmo correcto para comprimir BP - exactamente BP, no cualquier cosa y cualquier dato
si sabemos cómo comprimir los datos correctamente, ¿obtenemos paquetes? - o que sean patrones de datos - son estos patrones de datos los que permiten crear algoritmos de reconocimiento del habla
así es como veo que se utilizael dtw
en principio se puede aplicar el dtwa la BP financiera, en mi opinión si no hay pérdida de datos después de la conversión (es decir, la conversión inversa es posible), entonces tiene sentido intentar aplicarlo a la BP financiera, como se dice, pero ¿y si?
SZS: leyó un artículo hace un par de añoshttps://habr.com/ru/post/135087/
Bueno, podemos investigarlo en algún momento más tarde, sí. Para extraer los mismos patrones de las devoluciones mb
Por otro lado, no tiene sentido tener una red neuronalpor otro lado no tiene sentido tener una red neuronal
No sé, he dejado de estudiar todo esto, es interesante, pero imho, debería haber formas más fáciles de entender qué es lo que hay en el mercado
acerca de ns, bien sabes que el procesamiento de datos es más importante que el tipo de config o ns, imho, dtw es el procesamiento correcto de BP ( cuando se procesa exactamente BP!!!) es la consistencia de los datos lo que importa!
sobre el mismo dtw en el procesamiento de la voz - es la consistencia / secuencia de las letras lo que importa ? ;)
UPD:
si en NS para alimentar a la formación simplemente una ventana deslizante de datos BP (barras), entonces imho, es una ilusión que a través de las entradas de NS - exactamente como dibujamos 1,2,3...N de entrada, NS percibirá que los datos se alimentan secuencialmente como queremos, en el interior de todas las entradas se mezclan, imho, no será una ventana deslizante para NS
No sé, he dejado de estudiar todas estas cosas, es interesante, pero imho, debe haber formas más fáciles de entender lo que está en el mercado
sobre NS, sabes que el dtw es más importante que la configuración o el tipo de NS, imho, el dtw es el procesamiento correcto de BP ( cuando se procesa BP !!! ) es la consistencia de los datos que es importante !
sobre el mismo dtw en el procesamiento de la voz - es la consistencia / secuencia de las letras lo que importa ? ;)
No soy conocedor de estos temas, por lo que sé las redes neuronales recurrentes y ultraprecisas se utilizan desde hace tiempo para eso. Por ejemplo, el algoritmo seq2seq de Google. El dtw no se vería descolorido en ese fondo, no quiero apretar los nudillos en una silla por tiempo innecesario :)
He leído sobre la recurrencia y la ultraprecisión, bueno, como si fuera, pero todos los ejemplos son como siempre para el reconocimiento de imágenes, y ahí empiezan a hacer trucos con la compresión de la paleta como para producir
la retroalimentación es muy buena para procesar paletas y los datos son muy útiles para procesar fuentes y mapas de bits, es difícil leerlos todos.
He leído sobre la recurrencia y la ultraprecisión, bueno, como si fuera, pero todos los ejemplos son como siempre para el reconocimiento de imágenes, y ahí empiezan a hacer trucos con la compresión de la paleta como para producir
eeeeee heck, las ondas sonoras están más cerca de la BP que las imágenes -también no son estacionarias, y las imágenes ahí parecen perder más al comprimir la información durante el procesamiento que al intentar recuperarla- es como si la NS aprendiera más rápido y mejor
NLP y seq2seq, son para los sonidos del habla, etc.
No he oído hablar de ellos en absoluto, ¡aunque he leído mucho material! Lo miraré mañana, gracias.