L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2097
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
ahaha )) la couronne danoise domine l'euro ))))
je me souvenais juste... soit burrito, soit anchois... boruta, d'accord
Je me souvenais juste... c'est soit burrito soit anchois... boruta, c'est ça.
Je ne suis pas impressionné par ça.
ce chapeau devrait compresser l'espace des caractéristiques de sorte que les ns ne se recyclent pas à n'importe quoi, à n'importe quel bruit.
La fusée fait la même chose, mais sans réseau neuronal et tous les cœurs sont aléatoires. Et ensuite les meilleurs sont choisis, par entropie ou autre.
Le problème avec les réseaux convolutifs est le choix de l'architecture, il faut donc utiliser des modèles prêts à l'emploi, des restnets, etc.
Question pour les journalistes, que se passe-t-il le 4 ou le 5 de chaque mois ?
Autre question sur l'échafaudage : peut-on définir l'objectif comme étant la "maximisation du profit" plutôt que le partitionnement des classes ou la régression ?
Le problème avec les réseaux convolutifs est la sélection de l'architecture, donc utilisez des modèles prêts à l'emploi, comme restnet, etc.
tout fait pour quoi ? il faut faire le sien, ce n'est pas si difficile... c'est plus difficile de se lancer.
Prêt pour quoi ? Tu dois faire le tien, ce n'est pas si difficile... c'est plus difficile de commencer.
Pré-entraîné. Les systèmes convolutifs sont principalement utilisés pour la reconnaissance des images. Chaque couche met en évidence certaines caractéristiques (rayures, coins), comme dans le cerveau. Vous pouvez prendre un réseau prêt à l'emploi (qui a été entraîné sur des superordinateurs) et le préentraîner sur vos exemples.
En savoir plus (tiré de Ce que notre système de reconnaissance d'images a appris)Pré-entraîné. La convolution est surtout utilisée pour la reconnaissance des images. Chaque couche met en évidence certaines caractéristiques (rayures, coins), comme dans le cerveau. Vous pouvez prendre un réseau prêt à l'emploi (qui a été entraîné sur des superordinateurs) et le préentraîner en utilisant vos exemples.
En savoir plus (extrait de "What Our Image Recognizer Learnt")Avez-vous compris ce que je viens de dire ? ) prendre un réseau formé par le SEAL et le former par incréments ?
cet eugénisme est nouveau pour moi
ce chapeau devrait compresser l'espace des caractéristiques de sorte que les ns ne se recyclent pas à n'importe quoi, à n'importe quel bruit.
La fusée fait la même chose, mais sans réseau neuronal et tous les cœurs sont aléatoires. Et ensuite les meilleurs sont choisis, par entropie ou autre.
Essaie, je ne suis pas doué pour ça.
Autre question sur l'échafaudage, est-il possible de définir l'objectif comme étant la "maximisation du profit" plutôt que la division en classes ou la régression ?
La maximisation du profit est une tâche d'optimisation, il existe d'autres algorithmes, la génétique, le recuit...
Les forces sont l'apprentissage assisté par un professeur, vous avez besoin de cloisonnement ...
Je me demande comment ça s'assemble.
Avez-vous compris ce que j'ai suggéré ? ) Prendre un réseau entraîné par le SEAL et l'entraîner par incréments ?
C'est le plus eugénique que j'ai jamais vu.
consultez le lien et faites défiler la page, vous aurez une idée.
Vérifiez le lien et faites défiler la page ci-dessous, vous aurez l'idée.