위의 게시물에서 확인하셨듯이 "코호넨의 자기 조직화 지도"의 정확한 번역에 대해 논쟁하고 싶지 않습니다:
에브게니 셰르비나:
저는 항상 뿌리를 봅니다. 코호넨 지도가 예측할 수 없다면 아무도 그것을 신경망이라고 부르지 않을 것이라는 것을 알았습니다.
"S의 인용문"을 논의하는 데 전혀 관심이없는 것처럼. Osovsky"에 대해 논의하는 데 전혀 관심이없는 것처럼, 실습에서 알 수 있듯이 영어 자료의 작품 재 인쇄물이 런트에서 우세하고 Osovsky가 자신의 작품을 썼는지 확실하지 않으며 작가가 아닌 포럼 회원과 토론합니까?
링크에서 나는이 주제에 대한 내 검색을 런트, 권위있는, 내 의견으로는 사이트 BaseGroup Labs에서도 확인하지 않았습니다.....
코호넨 맵은 대량의 서로 다른 데이터를 분류하는 데 적합합니다. 예를 들어 100가지 동물이 있다고 가정해 보겠습니다. 이 경우 털 색깔이라는 하나의 매개변수로 분류해야 합니다. 이 접근법의 수학은 서로 다른 매개변수를 결합하는 것을 허용하지 않습니다.
이 접근 방식은 외환 트레이딩 결정에 최대한 어리석은 방법입니다. 하나의 매개변수로 분류하는 것이 "매수" 또는 "매수하지 않음"이라는 결정을 내리는 것으로 축소된다고 상상해 보세요. 그러면 코호넨 맵에 2개의 노드를 만들 수 있고 꽤 재미있을 것입니다. 물론 1만 개의 노드를 만들고 이 지도를 보며 '아, 색이 정말 예쁘다'며 욕망을 품는 마스타돈트도 있을 것입니다.
다음은 스무딩 기간에 대한 별도의 코호넨 맵(네트워크?)과 시프트에 대한 별도의 코호넨 맵이 있는 표준 MT5 전문가 어드바이저의 기간 및 시프트 예시입니다. 당신은 앉아서 무엇을해야할지 생각합니다.
다층 퍼셉트론은 모든 것이 올바르게 수행되면 다른 매개 변수를 입력해야하는 블랙 박스이며 출력에서 임계 값 이상 ( "예"라고 대답) 또는 임계 값 미만 ( "아니오"라고 대답)의 모호하지 않은 답변을 얻을 수 있습니다. 이것이 저에게 더 잘 맞습니다.
머신 러닝에 관한 여러 책을 읽으면서 항상 반복되는 한 가지 아이디어를 발견했습니다. 신경망을 만들기 위한 단일 템플릿이 없다는 것입니다. 각 작업에는 데이터에 대한 매우 개별적인 연구, 데이터 준비, 네트워크 구조 찾기, 네트워크 튜닝이 필요합니다. 즉, Forex에 적합하지 않은 옵션이 있고 "매수" 또는 "매수하지 않음" 결정을 내리는 데 적합하지 않은 옵션이 있습니다. 저는 코호넨의 지도가 이에 적합하지 않다고 생각합니다.
코호넨 지도는 많은 수의 서로 다른 데이터를 분류하는 데 적합합니다. 예를 들어, 100가지 동물이 있습니다. 이 경우 코트 색상이라는 하나의 매개 변수로 분류해야 합니다. 이 접근 방식의 수학은 서로 다른 매개 변수를 함께 가져오는 것을 허용하지 않습니다.
이 접근 방식은 외환 의사 결정에 있어서는 어리석은 일입니다. 하나의 매개변수로 분류하는 것이 "매수" 또는 "매수하지 않음"을 결정하는 것으로 축소된다고 상상해 보세요. 그러면 코호넨 맵에 2개의 노드를 만들 수 있고 꽤 재미있을 것입니다. 물론 1만 개의 노드를 만들고 이 지도를 보며 '아, 이 지도가 얼마나 아름답게 색칠되어 있는지'라고 말하며 욕망을 품는 마스타돈이 있을 것입니다.
다음은 스무딩 기간에 대한 별도의 코호넨 맵(네트워크?)과 시프트에 대한 별도의 코호넨 맵이 있는 표준 MT5 전문가 어드바이저의 기간과 시프트의 예입니다. 앉아서 어떻게 해야 할지 생각해 보세요.
코호넨 맵은 여기에 적합하지 않다고 생각합니다.
지도가 반드시 "어디로"라는 질문에 답할 필요는 없습니다. 기록에서 유사한 패턴을 강조 표시 할 수 있으므로 반년 동안 수동으로 앉아서 찾을 필요가 없습니다. 원숭이에게 도구가 주어지면
사람은 항상 보고 싶은 것만 보는 법이죠.
위의 게시물에서 확인하셨듯이 "코호넨의 자기 조직화 지도"의 정확한 번역에 대해 논쟁하고 싶지 않습니다:
저는 항상 뿌리를 봅니다. 코호넨 지도가 예측할 수 없다면 아무도 그것을 신경망이라고 부르지 않을 것이라는 것을 알았습니다.
"S의 인용문"을 논의하는 데 전혀 관심이없는 것처럼. Osovsky"에 대해 논의하는 데 전혀 관심이없는 것처럼, 실습에서 알 수 있듯이 영어 자료의 작품 재 인쇄물이 런트에서 우세하고 Osovsky가 자신의 작품을 썼는지 확실하지 않으며 작가가 아닌 포럼 회원과 토론합니까?
링크에서 나는이 주제에 대한 내 검색을 런트, 권위있는, 내 의견으로는 사이트 BaseGroup Labs에서도 확인하지 않았습니다.....
.... 좋아, 끝났어-내 자신을 반복하고 싶지 않아 )))).
코호넨 맵은 대량의 서로 다른 데이터를 분류하는 데 적합합니다. 예를 들어 100가지 동물이 있다고 가정해 보겠습니다. 이 경우 털 색깔이라는 하나의 매개변수로 분류해야 합니다. 이 접근법의 수학은 서로 다른 매개변수를 결합하는 것을 허용하지 않습니다.
이 접근 방식은 외환 트레이딩 결정에 최대한 어리석은 방법입니다. 하나의 매개변수로 분류하는 것이 "매수" 또는 "매수하지 않음"이라는 결정을 내리는 것으로 축소된다고 상상해 보세요. 그러면 코호넨 맵에 2개의 노드를 만들 수 있고 꽤 재미있을 것입니다. 물론 1만 개의 노드를 만들고 이 지도를 보며 '아, 색이 정말 예쁘다'며 욕망을 품는 마스타돈트도 있을 것입니다.
다음은 스무딩 기간에 대한 별도의 코호넨 맵(네트워크?)과 시프트에 대한 별도의 코호넨 맵이 있는 표준 MT5 전문가 어드바이저의 기간 및 시프트 예시입니다. 당신은 앉아서 무엇을해야할지 생각합니다.
다층 퍼셉트론은 모든 것이 올바르게 수행되면 다른 매개 변수를 입력해야하는 블랙 박스이며 출력에서 임계 값 이상 ( "예"라고 대답) 또는 임계 값 미만 ( "아니오"라고 대답)의 모호하지 않은 답변을 얻을 수 있습니다. 이것이 저에게 더 잘 맞습니다.
머신 러닝에 관한 여러 책을 읽으면서 항상 반복되는 한 가지 아이디어를 발견했습니다. 신경망을 만들기 위한 단일 템플릿이 없다는 것입니다. 각 작업에는 데이터에 대한 매우 개별적인 연구, 데이터 준비, 네트워크 구조 찾기, 네트워크 튜닝이 필요합니다. 즉, Forex에 적합하지 않은 옵션이 있고 "매수" 또는 "매수하지 않음" 결정을 내리는 데 적합하지 않은 옵션이 있습니다. 저는 코호넨의 지도가 이에 적합하지 않다고 생각합니다.
우리 재능 있는 사람들은 종종 실수를 하지만, 실수는 재능의 주요 강점이기 때문입니다.
재능 있는 사람들은 종종 실수를 하지만, 실수는 재능의 주요 강점이기 때문입니다.
토할 뻔했어요
코호넨 지도는 많은 수의 서로 다른 데이터를 분류하는 데 적합합니다. 예를 들어, 100가지 동물이 있습니다. 이 경우 코트 색상이라는 하나의 매개 변수로 분류해야 합니다. 이 접근 방식의 수학은 서로 다른 매개 변수를 함께 가져오는 것을 허용하지 않습니다.
이 접근 방식은 외환 의사 결정에 있어서는 어리석은 일입니다. 하나의 매개변수로 분류하는 것이 "매수" 또는 "매수하지 않음"을 결정하는 것으로 축소된다고 상상해 보세요. 그러면 코호넨 맵에 2개의 노드를 만들 수 있고 꽤 재미있을 것입니다. 물론 1만 개의 노드를 만들고 이 지도를 보며 '아, 이 지도가 얼마나 아름답게 색칠되어 있는지'라고 말하며 욕망을 품는 마스타돈이 있을 것입니다.
다음은 스무딩 기간에 대한 별도의 코호넨 맵(네트워크?)과 시프트에 대한 별도의 코호넨 맵이 있는 표준 MT5 전문가 어드바이저의 기간과 시프트의 예입니다. 앉아서 어떻게 해야 할지 생각해 보세요.
코호넨 맵은 여기에 적합하지 않다고 생각합니다.
지도가 반드시 "어디로"라는 질문에 답할 필요는 없습니다. 기록에서 유사한 패턴을 강조 표시 할 수 있으므로 반년 동안 수동으로 앉아서 찾을 필요가 없습니다. 원숭이에게 도구가 주어지면
자로 못을 두드리기 시작할 가능성이 있습니다.