トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 1538 1...153115321533153415351536153715381539154015411542154315441545...3399 新しいコメント Maxim Dmitrievsky 2019.09.21 18:34 #15371 mytarmailS: dtw、スペクトル解析...束... 私は、その大きさに関係なく同じパターンを見る方法を知っているアルゴリズムを作成することができました。つまり、アルゴリズムは、1つのチャートを見て、1分と週の 両方のチャートでパターンを見て、1つのチャートだけを見て、それは本当の予測を行うことができますが、私はまだ多くの仕事を持っています。 dtwについて読み始めたのですが、フィンランドのチャートにどう適用すればいいのか、何のために必要なのかがわかりません。 Igor Makanu 2019.09.21 18:38 #15372 マキシム・ドミトリエフスキー Dtwについて何か読み始めましたが、それをどのようにファイナンスに適用するのか、またなぜそれが必要なのか理解できませんでした)しかし、このトピックは興味深いものだと思います。 音声ファイルや音楽ファイルはdtwで圧縮しているので、VRにもなります。 ;) Maxim Dmitrievsky 2019.09.21 18:49 #15373 イゴール・マカヌ 音声ファイルや音楽ファイルはdtwで圧縮されており、これもVR ;) しかし、なぜdtwで財務ファイルを圧縮するのか :) Igor Makanu 2019.09.21 18:55 #15374 マキシム・ドミトリエフスキー しかし、なぜFin.timeを圧迫するのか :) 私はこのテーマをすでに勉強しており、私自身の言葉で言うと、次のようなものです。 dtwの特徴は、BPを圧縮するための適切なアルゴリズム であることです。 では、正しい圧縮方法を知っていれば、パケットを取得できるのでしょうか?- データパターンがあるからこそ、音声認識アルゴリズムを作ることができるのです。 というのが、dtwの 使われ方です。 原則的に金融BPに dtwを適用 することができます。変換後にデータ損失がない(つまり逆変換が可能)なら、よく言われるように金融BPに適用してみるのも意味がありますが、もしや? SZS:数年前に記事を読みましたhttps://habr.com/ru/post/135087/ Maxim Dmitrievsky 2019.09.21 18:59 #15375 イゴール・マカヌ さて、このテーマについて、私はすでに勉強しているのですが、私自身の言葉で言うと、次のような感じです。 dtwの 価値はここにあります。それはBPを圧縮するための正しいアルゴリズムであり、何であれ何であれデータではなく、まさにBP です。 では、正しい圧縮方法を知っていれば、パケットを取得できるのでしょうか?- データパターンがあるからこそ、音声認識アルゴリズムを作ることができるのです。 というのが、dtwの 使われ方です。 原則的に金融BPに dtwを適用 することができます。変換後にデータ損失がない(つまり逆変換が可能)なら、よく言われるように金融BPに適用してみるのも意味がありますが、もしや? SZS:数年前に記事を読みましたhttps://habr.com/ru/post/135087/ まあ、あとで調べればいいんだけどね、うん。同じパターンをリターンmbから抽出するには 逆に、ニューラルネットワークの意味がない Igor Makanu 2019.09.21 19:08 #15376 マキシム・ドミトリエフスキー 一方、ニューラルネットワークの意味はない でも、もっと簡単に何が起こっているのかを理解する方法があるはずだ。 nsについてですが、データ処理が設定やnsの種類よりも重要であることはご存知の通りです、dtwはBPの正しい処理です(正確にBPを処理する場合!!)重要なのはデータの整合性です。 音声処理でも同じように、文字の一貫性・並びが重要なんですね。;) UPDです。 NSで訓練で単にBPデータ(バー)の スライディングウィンドウを 供給する場合は、イミホ、NSの入力を介して - 正確に我々は1,2,3...Nの入力を描いたとして、NSは、データが我々が望むように順次供給されていることを認識するだろう、内部すべての入力が混在する、イミホ、それはNSのスライディングウィンドウされないでしょう。 Maxim Dmitrievsky 2019.09.21 19:14 #15377 イゴール・マカヌ でも、もっと簡単に何が起こっているのかを理解する方法があるはずだ。 NSについては、コンフィグやNSの種類よりもdtwの方が重要なのはご存知の通りです。 音声処理でも同じように、文字の一貫性・並びが重要なんですね。;) このあたりのことは詳しくないのですが、私の知る限り、リカレントニューラルネットワークや畳み込みニューラルネットワークは古くから使われています。例えば、Googleのseq2seq(神経言語処理)アルゴリズムなどです。この背景でdtwは色あせて見えないだろうか、むやみに椅子の拳を圧迫したくない :) Igor Makanu 2019.09.21 19:18 #15378 マキシム・ドミトリエフスキー 私はこういうことに詳しくないのですが、私の知る限り、リカレント型や超高精度なニューラルネットワークは、昔からそういうことに使われています。例えば、Googleのseq2seqアルゴリズムなど。 あの背景ではdtwは色あせて見えないだろうか、不必要に椅子の上で拳を圧迫したくない :) リカレントや超高精度の話も読みましたが、例題はいつも通り画像認識で、そこでパレット圧縮のようなトリックを始めています。 フィードバックはパレットの処理に非常に有効で、データはフォントやビットマップの処理に非常に有効です、全部読むのは難しいです。 Maxim Dmitrievsky 2019.09.21 19:28 #15379 イゴール・マカヌ リカレントや超高精度の話も読みましたが、例題はいつも通り画像認識で、そこでパレット圧縮のようなトリックを始めています。 音波は絵よりもBPに近い。また、静止しているわけではないので、絵は回復しようとするよりも、処理中に情報を圧縮して失うことが多いようだ。まるでNSがより速く、よりよく学習するようだ NLPとかseq2seqとか、あれは音声とかの話です。 Igor Makanu 2019.09.21 19:37 #15380 マキシム・ドミトリエフスキー NLPやseq2seqは、音声などを扱うものです。 資料はたくさん読んだけど、全然聞いてない! 明日見てみるよ、ありがとう。 1...153115321533153415351536153715381539154015411542154315441545...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
dtw、スペクトル解析...束...
私は、その大きさに関係なく同じパターンを見る方法を知っているアルゴリズムを作成することができました。つまり、アルゴリズムは、1つのチャートを見て、1分と週の 両方のチャートでパターンを見て、1つのチャートだけを見て、それは本当の予測を行うことができますが、私はまだ多くの仕事を持っています。
dtwについて読み始めたのですが、フィンランドのチャートにどう適用すればいいのか、何のために必要なのかがわかりません。
Dtwについて何か読み始めましたが、それをどのようにファイナンスに適用するのか、またなぜそれが必要なのか理解できませんでした)しかし、このトピックは興味深いものだと思います。
音声ファイルや音楽ファイルはdtwで圧縮しているので、VRにもなります。
;)
音声ファイルや音楽ファイルはdtwで圧縮されており、これもVR
;)
しかし、なぜdtwで財務ファイルを圧縮するのか :)
しかし、なぜFin.timeを圧迫するのか :)
私はこのテーマをすでに勉強しており、私自身の言葉で言うと、次のようなものです。
dtwの特徴は、BPを圧縮するための適切なアルゴリズム であることです。
では、正しい圧縮方法を知っていれば、パケットを取得できるのでしょうか?- データパターンがあるからこそ、音声認識アルゴリズムを作ることができるのです。
というのが、dtwの 使われ方です。
原則的に金融BPに dtwを適用 することができます。変換後にデータ損失がない(つまり逆変換が可能)なら、よく言われるように金融BPに適用してみるのも意味がありますが、もしや?
SZS:数年前に記事を読みましたhttps://habr.com/ru/post/135087/
さて、このテーマについて、私はすでに勉強しているのですが、私自身の言葉で言うと、次のような感じです。
dtwの 価値はここにあります。それはBPを圧縮するための正しいアルゴリズムであり、何であれ何であれデータではなく、まさにBP です。
では、正しい圧縮方法を知っていれば、パケットを取得できるのでしょうか?- データパターンがあるからこそ、音声認識アルゴリズムを作ることができるのです。
というのが、dtwの 使われ方です。
原則的に金融BPに dtwを適用 することができます。変換後にデータ損失がない(つまり逆変換が可能)なら、よく言われるように金融BPに適用してみるのも意味がありますが、もしや?
SZS:数年前に記事を読みましたhttps://habr.com/ru/post/135087/
まあ、あとで調べればいいんだけどね、うん。同じパターンをリターンmbから抽出するには
逆に、ニューラルネットワークの意味がない一方、ニューラルネットワークの意味はない
でも、もっと簡単に何が起こっているのかを理解する方法があるはずだ。
nsについてですが、データ処理が設定やnsの種類よりも重要であることはご存知の通りです、dtwはBPの正しい処理です(正確にBPを処理する場合!!)重要なのはデータの整合性です。
音声処理でも同じように、文字の一貫性・並びが重要なんですね。;)
UPDです。
NSで訓練で単にBPデータ(バー)の スライディングウィンドウを 供給する場合は、イミホ、NSの入力を介して - 正確に我々は1,2,3...Nの入力を描いたとして、NSは、データが我々が望むように順次供給されていることを認識するだろう、内部すべての入力が混在する、イミホ、それはNSのスライディングウィンドウされないでしょう。
でも、もっと簡単に何が起こっているのかを理解する方法があるはずだ。
NSについては、コンフィグやNSの種類よりもdtwの方が重要なのはご存知の通りです。
音声処理でも同じように、文字の一貫性・並びが重要なんですね。;)
私はこういうことに詳しくないのですが、私の知る限り、リカレント型や超高精度なニューラルネットワークは、昔からそういうことに使われています。例えば、Googleのseq2seqアルゴリズムなど。 あの背景ではdtwは色あせて見えないだろうか、不必要に椅子の上で拳を圧迫したくない :)
リカレントや超高精度の話も読みましたが、例題はいつも通り画像認識で、そこでパレット圧縮のようなトリックを始めています。
フィードバックはパレットの処理に非常に有効で、データはフォントやビットマップの処理に非常に有効です、全部読むのは難しいです。
リカレントや超高精度の話も読みましたが、例題はいつも通り画像認識で、そこでパレット圧縮のようなトリックを始めています。
音波は絵よりもBPに近い。また、静止しているわけではないので、絵は回復しようとするよりも、処理中に情報を圧縮して失うことが多いようだ。まるでNSがより速く、よりよく学習するようだ
NLPやseq2seqは、音声などを扱うものです。
資料はたくさん読んだけど、全然聞いてない! 明日見てみるよ、ありがとう。