Réseaux neuronaux artificiels. - page 11
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
Le résultat est meilleur que toute critique. Les mauvaises méthodes ont été choisies pour résoudre le problème en premier lieu.
J'ai supprimé tous mes messages au cas où, le modérateur pense que c'est de la publicité.
J'ai supprimé tous mes messages au cas où, le modérateur pense que c'est de la publicité.
pouvez-vous faire votre compte aussi ? :)
Comme vous le dites, cher modérateur.
- Des scientifiques ont récemment croisé une mouche avec une tapette à mouche ! !!
- Et alors ?
- Un spécimen très suicidaire.
- Des scientifiques ont récemment croisé une mouche avec une tapette à mouche ! !!
- Et alors ?
- Un spécimen très suicidaire.
Les éleveurs se sont reproduits, et les scientifiques de l'environnement n'ont pas eu le temps de mettre le samoyède dans le Livre Rouge...
;)
Exact. Et les programmes d'échecs n'apprendront jamais à jouer au-dessus du second degré.
J'ai déjà entendu ça.
--
Vladimir, j'espère que votre folie est temporaire, et je ne voudrais pas qu'elle dure trente ans (comme celle de Marvin Minsky).
Mais c'est amusant, oui.
;)
Excellente idée, d'ailleurs !
C'est alors que les réseaux neuronaux seront capables d'apprendre à jouer aux échecs (juste les règles), en regardant les parties qu'ils ont déjà perdues auparavant, et je croirai qu'avec un outil aussi primitif que les réseaux neuronaux, on peut faire quelque chose de décent.
Les réseaux neuronaux sont principalement conçus pour la reconnaissance des formes (recherche automatique de situations déjà vues), mais pas pour la détection d'un quelconque modèle.
Alors peut-être que les commerçants n'enseignent pas le réseau correctement ? Comment ça se passe maintenant (à mon avis de profane) :
1. le trader choisit le cadre temporel dans lequel la formation aura lieu.
2. Sélectionne les signaux d'entrée (indicateurs, cours des barres, etc.).
Je vais utiliser votre post pour me pencher sur la réponse et rejoindre l'un des auteurs précédents - Le meilleur réseau neuronal est une décomposition en série de Fourier ! Prenez toute l'histoire, prenez une courte échelle d'ondulation de, disons, 10 minutes, décomposez-la en une série, obtenez une "machine à remonter le temps" cachée derrière les coefficients, utilisez-la pour "prédire" l'avenir chez un testeur, et vous avez terminé. Vous avez un résultat tout simplement génial sur l'ensemble de l'histoire. Mais au moins, ici, on peut voir cette machine à remonter le temps, alors que dans les réseaux neuronaux, on peut à peine la voir. Les réseaux neuronaux peuvent reconnaître des images ; les images peuvent être n'importe quoi ; il existe des méthodes plus efficaces de reconnaissance des images, mais ce qui fait la qualité des réseaux neuronaux, c'est qu'ils peuvent se recycler en fonction de ce qui se passe actuellement. C'est leur truc. Mais c'est aussi la SEULE chose qui les caractérise. Ainsi, pour analyser mentalement l'applicabilité des réseaux neuronaux, imaginez qu'il s'agit simplement d'un système de reconnaissance des formes.
Excellente idée d'ailleurs !
Lorsque les réseaux neuronaux seront capables d'apprendre à jouer (juste les règles) aux échecs, en regardant les parties déjà perdues auparavant, je croirai qu'avec un outil aussi primitif que les réseaux neuronaux, on peut faire quelque chose de décent.
Les réseaux neuronaux sont principalement conçus pour la reconnaissance des formes (recherche automatique de situations vues précédemment), mais pas pour la détection d'un quelconque modèle.