Uso de redes neuronales en el comercio - página 13

 

 
grell:


la razón es diferente. la redundancia de la red.
Y vamos a resolver lo que es la redundancia de la red...)
 
Figar0:
Y vamos a resolver lo que es la redundancia de la red...)
Encaja en esencia.
 
TheXpert:
Esencialmente, es un ajuste.


El ajuste se produce cuando la muestra es demasiado pequeña. La redundancia de la red tiene poco efecto en la adaptación.
 
Figar0:
¿Por qué no exploramos el significado de la redundancia?)


No hace falta, ya está claro que el número de capas y pesos es muy grande.

Pero voy a añadir a la cuestión del ajuste... Una red redundante es como un sistema de 4 ecuaciones con dos incógnitas. O bien la red aprenderá trivialmente todos los datos, o bien la solución será correcta pero inestable.

 
TheXpert:
Un ajuste en esencia.

Esto es comprensible. ¿Cómo se determina la suficiencia necesaria de una red? Si hay redundancia, ¿hay suficiencia?

grell:


O bien la red aprenderá todos los datos.

¿Cuántos datos puede aprender la red?

 
¿Estamos hablando de todas las redes o de los MLP?
 
grell:
¿Estamos hablando de todas las redes o de los MLP?
¿Cuál es la diferencia fundamental? Que sea MLP. Aquí está su MLP en su propia configuración, ¿cuánto puede aprender, encajar?
 
Figar0:

Esto es comprensible. ¿Cómo se determina la suficiencia necesaria de una red? Si hay redundancia, ¿hay suficiencia?

Ah, eso es fácil. En cuanto empieza a aprender, es suficiente.
 
Lo máximo que he conseguido es 3 meses. A (k/(l+1))*(m/(n+punto)=8, donde k-número de operaciones rentables, l-número de operaciones perdedoras, m-saldo total de operaciones rentables, n-saldo total de operaciones perdedoras.
Razón de la queja: