市場のエチケット、あるいは地雷原でのマナー - ページ 46 1...394041424344454647484950515253...104 新しいコメント 削除済み 2009.06.04 12:19 #451 paralocus писал(а)>> なぜタイムフレームが必要なのですか?誰が発明したにせよ、それをもとに取引させればいい。 それでは、あなたにとっての増分は何ですか?ある一定の時間? 量?テイクプロフィット? paralocus 2009.06.04 12:27 #452 YDzh >> : では、あなたにとってインクリメンタルとは何でしょうか?一定の時間内に?>> Takeprofit? Quotientの増分は、時間とは一切関係ありません。N点ずつ、例えば上向きに商の増分がある - これが1つのシンボル 削除済み 2009.06.04 12:38 #453 paralocus писал(а)>> 商の増分は、時間とは一切関係ありません。上向きなど、Nポイント分の見積もり増加がある - これが1つのシンボルである そして、この増額をいつまで待つのか、ドローダウンはどうなるのか--は、十人十色の問題だ......。わかったよ、君がボスだ...。 paralocus 2009.06.04 12:47 #454 YDzh >> : そして、この増額をいつまで待つのか、ドローダウンがどうなるのかは、十人十色...。よし、これでボスだ...。 待たなくてもいいんだけど、どうせドローダウンするんでしょー、ビジネスなんだからさー。 Neutron 2009.06.04 13:25 #455 ここでは、グリッド学習 時に重みがグローバルミニマムに収束していく様子を例示する。 ここでは、ウェイトの開始点が異なる2つのケースを紹介します。学習が終わるころには、それぞれの重みで振動がスムーズに弱まり、ほぼ同じ値に収束しているのがわかる。この例では、3つの入力を持つ1つのニューロンについて説明します。 paralocus 2009.06.04 13:28 #456 すごい!写真治療法を共有する :-) ちなみに、私はコロレフに住んでいます。 Neutron 2009.06.04 13:41 #457 問題ありません。 この絵は、商の次のカウントダウンでの学習を説明しています。 重みの最適値は実験ごとに安定しているが、カウントバックで得られた前回の結果に対して大きくずれていることがわかる。これは、市場タイプのBPの定常性が弱く、カウントダウンごとに少女を再教育する必要があることを示している。 削除済み 2009.06.04 17:19 #458 Neutron >> : 問題ありません。 この絵は、商の次のカウントダウンでの学習を説明しています。 重みの最適値は実験ごとに安定しているが、カウントバックで得られた前回の結果に対して大きくずれていることがわかる。これは、市場タイプのBPの定常性が弱く、カウント毎に少女を再教育する必要性があることを示している。 これは、配給の関係もあるのでしょう。 paralocus 2009.06.04 18:28 #459 registred >> : 配給のせいもあるかもしれません。 でも、モノは、同意、美しいです -:) Neutron 2009.06.05 02:17 #460 paralocus писал(а)>> しかし、ものは、同意、美しい -:) 。 学習速度を下げ、1-L/Epox括弧の前の係数を小さくし(安定性が向上する)、各エポック後の重みに圧縮関数を持たせる(そうしないと学習過程で大きな振幅を取りすぎてしまう)。全て同じですが、時々重さが飽和して学習にならなくなることがあります(非線形二層膜の典型)。 1...394041424344454647484950515253...104 新しいコメント 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
なぜタイムフレームが必要なのですか?誰が発明したにせよ、それをもとに取引させればいい。
それでは、あなたにとっての増分は何ですか?ある一定の時間? 量?テイクプロフィット?
では、あなたにとってインクリメンタルとは何でしょうか?一定の時間内に?>> Takeprofit?
Quotientの増分は、時間とは一切関係ありません。N点ずつ、例えば上向きに商の増分がある - これが1つのシンボル
商の増分は、時間とは一切関係ありません。上向きなど、Nポイント分の見積もり増加がある - これが1つのシンボルである
そして、この増額をいつまで待つのか、ドローダウンはどうなるのか--は、十人十色の問題だ......。わかったよ、君がボスだ...。
そして、この増額をいつまで待つのか、ドローダウンがどうなるのかは、十人十色...。よし、これでボスだ...。
待たなくてもいいんだけど、どうせドローダウンするんでしょー、ビジネスなんだからさー。
ここでは、グリッド学習 時に重みがグローバルミニマムに収束していく様子を例示する。
ここでは、ウェイトの開始点が異なる2つのケースを紹介します。学習が終わるころには、それぞれの重みで振動がスムーズに弱まり、ほぼ同じ値に収束しているのがわかる。この例では、3つの入力を持つ1つのニューロンについて説明します。
すごい!写真治療法を共有する :-)
ちなみに、私はコロレフに住んでいます。
問題ありません。
この絵は、商の次のカウントダウンでの学習を説明しています。
重みの最適値は実験ごとに安定しているが、カウントバックで得られた前回の結果に対して大きくずれていることがわかる。これは、市場タイプのBPの定常性が弱く、カウントダウンごとに少女を再教育する必要があることを示している。
問題ありません。
この絵は、商の次のカウントダウンでの学習を説明しています。
重みの最適値は実験ごとに安定しているが、カウントバックで得られた前回の結果に対して大きくずれていることがわかる。これは、市場タイプのBPの定常性が弱く、カウント毎に少女を再教育する必要性があることを示している。
これは、配給の関係もあるのでしょう。
配給のせいもあるかもしれません。
でも、モノは、同意、美しいです -:)
しかし、ものは、同意、美しい -:) 。
学習速度を下げ、1-L/Epox括弧の前の係数を小さくし(安定性が向上する)、各エポック後の重みに圧縮関数を持たせる(そうしないと学習過程で大きな振幅を取りすぎてしまう)。全て同じですが、時々重さが飽和して学習にならなくなることがあります(非線形二層膜の典型)。