Búsqueda de un patrón arbitrario mediante una red neuronal - página 6

Nuevo comentario
 
Peter, después de familiarizarte con las redes, echa un vistazo a las redes de convolución.
 
Реter Konow:

Una cosa es reconocer por los datos del precio y otra por el color. Aun así, los enfoques y mecanismos son completamente diferentes.

¿Crees que tiene sentido que un PC tenga un esquema de carta de colores? )))

Vale, me rindo, si no seguirás haciéndome reír ))))

Para NS y de hecho para cualquier algoritmo de interacción con el PC todos los datos se presentarán en forma de arrays (la memoria o los arrays no son importantes aquí)

y no hará ninguna diferencia lo que le enseñes a NS a los arrays de OHLC, lo que le enseñes a los arrays de bitmask de screenshot,

.....aunque en el aprendizaje automático hay un cierto "truco" de que los datos y la configuración y el tipo de NS pueden importar - pero aquí manda más la aleatoriedad ;)

 
Igor Makanu:

¿Crees que la combinación de colores del gráfico tiene sentido para un PC? )))

Vale, me rindo, si no seguirás haciéndome reír ))))

Para NS, y de hecho para cualquier algoritmo que interactúe con el PC, todos los datos se presentarán como matrices (la memoria o las matrices no son importantes aquí)

y no hará ninguna diferencia lo que le enseñes a NS a las matrices de OHLC o a las matrices de máscaras de bits de la pantalla,

.....aunque en el aprendizaje automático hay un cierto "truco" de que los datos y la configuración y el tipo de NS pueden importar - pero aquí manda más la aleatoriedad ;)

Sin duda, usted entiende más que yo sobre el MdD, pero aquí hay una incoherencia lógica. Los datos de la OCHL y los datos de las capturas de pantalla de los patrones son datos fundamentalmente diferentes a nivel informático. En el caso del precio es doble, en el caso del color es uint. En el caso de OCHL necesitamos analizar una correlación de valores de los parámetros de precios de las barras, y en el caso de una imagen - la correspondencia con la imagen buscada. El entrenamiento con datos de OCHL es una búsqueda de patrones numéricos, no gráficos (que, como es lógico, también son números para una red). El aprendizaje de patrones gráficos, en cambio, utiliza un material y un método totalmente diferentes. Quizás encontrarun patrón gráfico a través de un patrón numérico sea un error. Creo que son enfoques diferentes del aprendizaje y el reconocimiento.
 
Aliaksandr Hryshyn:
Peter, después de familiarizarte con las redes, echa un vistazo a las redes de convolución.
Lo haré.
 

¡Madre de Dios!


 
Y la cantidad de datos OCHL por patrón es de ~ 10 o 100 números, y una imagen gráfica de ~ 300*300 píxeles de valores de color.
 
Dmitry Fedoseev:

¡Madre de Dios!


No te machaques tantas veces, todo el mundo comete errores).
 
Реter Konow:
No te castigues tanto, todo el mundo comete errores).

Pero no todo el mundo se arriesga así.

 
Igor Makanu:

¡Ay, no tienes arreglo!

Al ordenador le da igual lo que procese, al final ni siquiera sabe lo que le han dado, ya sea una foto o datos nucleares u OHLS... ¡los números son números tal cual!

Ni siquiera sé cómo explicar que un PC no tiene nada de inteligente: es una máquina tonta, ¡lo que le des en el algoritmo, lo procesará en el algoritmo!

¿lo explicaste?

))))

¿Cree que la NS es una "varita mágica" a la que, le des lo que le des, siempre consigues lo que necesitas? No importa cuáles sean los datos, no importa su tamaño. Todo son números...

Entonces no entiendo, ¿dónde está el algoritmo que encuentra patrones? ¿Dónde está ese "todopoderoso" NS? Llevan mucho tiempo estudiando la MO y todavía no hay un "reconocedor de patrones" en el arsenal de la MT.

 
Dmitry Fedoseev:

Pero no todo el mundo se arriesga así.

¿Puede usted como experto hacer un NS que reconozca al menos 5 patrones en cualquier gráfico y marco temporal?
12345678910
Nuevo comentario
Razón de la queja: