Interesante ejemplo de muestreo de nuevos puntos de CVAE, un ejemplo de selección de rango para el muestreo (en el espacio de características). Transformación del espacio de características. Visualización de clases/distribuciones
si tienes uno en python, genial
Aquí está la formulación del autocoder variacional, y su revisión en keras con la creación de su función de pérdida. Trabajaré en ello esta noche)
There are two generative models facing neck to neck in the data generation business right now: Generative Adversarial Nets (GAN) and Variational Autoencoder (VAE). These two models have different take on how the models are trained. GAN is rooted in game theory, its objective is to find the Nash Equilibrium between discriminator net and...
Sí, genial. Mi tensor por alguna razón no quiere levantarse, así que miraré la linterna.
Por ahora no me interesa tanto la aplicación como el enfoque en sí. Cómo establecer distribuciones, interpretar, etc. Porque hay diferentes maneras de hacerlo.
aquí hay artículos interesantes 1, 2, dan una intuición de lo que está pasando internamente
Bueno, lo hice... No estoy muy contento con el resultado... Era mejor para predecir las líneas de tendencia
lo interesante es que el precio no se mantiene en el canal previsto sino que rebota en él cuando se rompe
imágenes... todo lo que hay después de la línea vertical es una previsión
fecha fijada publicada en la página anterior
Estaba pronosticando distribuciones por n-barras delante (media y varianza). En función de la distribución elegí una estrategia. Aprendió bien, sobre los nuevos datos mal.
Pero con el nuevo enfoque de remuestreo podría funcionar.
Lleva cuatro años dando largas. Durante ese tiempo podría haber ganado 10 mil libras en la obra. Veamos qué pasa. No lo echará a perder. Y estará en el lado positivo.
Vova, ¿qué pasa con la ola, por qué estás en rojo?
Predije las distribuciones por n-barras adelante (media y varianza). En función de la distribución elegí una estrategia. Aprendió bien, sobre los nuevos datos mal.
Pero con el nuevo enfoque de remuestreo, quizá funcione.
Sí... esto no es una cosa fácil... Tengo una idea más, si no funciona, no sé qué probar((
Sí... no es fácil... hay otra idea, si no funciona, no sé qué probar((
Los extremos en ambos lados)))) datos parece ser todo lo que se puede contar en la trama. Ahora es más difícil, dividir la parcela en zonas de estados manualmente.... Tengo demasiado miedo de hacerlo.... Complicado)))))
Los extremos en ambos lados)))) datos parece ser todo lo que se puede calcular en la trama. Ahora es más difícil, para dividir la parcela en zonas del estado manualmente.... Tengo demasiado miedo de hacerlo.... Complicado)))))
Sí, cualquier intento de predecir niveles es cien veces más difícil que predecir un valor de traza, no todo está claro, hay que idear un montón de cosas nuevas y no triviales para implementar la idea...
Pero es interesante, y tengo el sueño de que funcione).
Para iniciar sesión y usar el sitio web MQL5.com es necesario permitir el uso de Сookies.
Por favor, active este ajuste en su navegador, de lo contrario, no podrá iniciar sesión.
Ha iniciado sesión. La autenticación de dos factores se ha desactivado. Vuelva a configurarla y escanee un nuevo código QR, o continúe con la autenticación de dos factores desactivada.
Y todos seguimos admirando))))
¿Por qué tuviste que hacer tanto alboroto al respecto, te pregunto....
Y todos seguimos admirando))))
¿Qué sentido tenía presumir, te pregunto, ....
El circo se ha ido, pero los payasos se han quedado.
Interesante ejemplo de muestreo de nuevos puntos de CVAE, un ejemplo de selección de rango para el muestreo (en el espacio de características). Transformación del espacio de características. Visualización de clases/distribuciones
si tienes uno en python, genialAquí está la formulación del autocoder variacional, y su revisión en keras con la creación de su función de pérdida. Trabajaré en ello esta noche)
https://wiseodd.github.io/techblog/2016/12/10/variational-autoencoder/
Aquí está la formulación del autocoder de variación, y su revisión en keras con la creación de su función de pérdida. Voy a husmear esta noche)
https://wiseodd.github.io/techblog/2016/12/10/variational-autoencoder/
Sí, genial. Mi tensor por alguna razón no quiere levantarse, así que miraré la linterna.
Por ahora no me interesa tanto la aplicación como el enfoque en sí. Cómo establecer distribuciones, interpretar, etc. Porque hay diferentes maneras de hacerlo.
aquí hay artículos interesantes 1, 2, dan una intuición de lo que está pasando internamente
Bueno, lo hice... No estoy muy contento con el resultado... Era mejor para predecir las líneas de tendencia
lo interesante es que el precio no se mantiene en el canal previsto sino que rebota en él cuando se rompe
imágenes... todo lo que hay después de la línea vertical es una previsión
fecha fijada publicada en la página anterior
Bueno, lo hice... No estoy muy contento con el resultado... Era mejor para predecir las líneas de tendencia
lo interesante es que el precio no se mantiene en el canal previsto sino que rebota en él cuando se rompe
imágenes... todo lo que hay después de la línea vertical es una previsión
fecha fijada publicada en la página anterior
Estaba pronosticando distribuciones por n-barras delante (media y varianza). En función de la distribución elegí una estrategia. Aprendió bien, sobre los nuevos datos mal.
Pero con el nuevo enfoque de remuestreo podría funcionar.
Lleva cuatro años dando largas. Durante ese tiempo podría haber ganado 10 mil libras en la obra. Veamos qué pasa. No lo echará a perder. Y estará en el lado positivo.
Predije las distribuciones por n-barras adelante (media y varianza). En función de la distribución elegí una estrategia. Aprendió bien, sobre los nuevos datos mal.
Pero con el nuevo enfoque de remuestreo, quizá funcione.
Sí... esto no es una cosa fácil... Tengo una idea más, si no funciona, no sé qué probar((
Sí... no es fácil... hay otra idea, si no funciona, no sé qué probar((
Los extremos en ambos lados)))) datos parece ser todo lo que se puede contar en la trama. Ahora es más difícil, dividir la parcela en zonas de estados manualmente.... Tengo demasiado miedo de hacerlo.... Complicado)))))
Los extremos en ambos lados)))) datos parece ser todo lo que se puede calcular en la trama. Ahora es más difícil, para dividir la parcela en zonas del estado manualmente.... Tengo demasiado miedo de hacerlo.... Complicado)))))
Sí, cualquier intento de predecir niveles es cien veces más difícil que predecir un valor de traza, no todo está claro, hay que idear un montón de cosas nuevas y no triviales para implementar la idea...
Pero es interesante, y tengo el sueño de que funcione).