맞아요, 당신이 생각하는 것이 맞습니다. 따라서 작업은 패턴이 떠 있는 고정되지 않은 시리즈에서 동일한 AI일 뿐입니다. AI의 임무는 이러한 의존성을 피하면서 성능을 유지하는 것입니다. 최소한 짧은 시간이지만 돈을 벌기에 충분합니다. 결국 패턴이 갑자기 바뀌지 않습니다. 다른 하나가 메인, 첫 번째 입구를 대신하지만 메인은 여전히 세트에 남아 있으며, 여기에서 말하는 것처럼 라인 유지의 부담을 지는 것은 AI뿐입니다. 그렇기 때문에 특히 시장 자체가 어디로 가야 할지 모를 때 선물 계약의 첫 달에 매우 자주 훈련해야 합니다. Writ을 보면 이 패턴이 어떻게 춤을 추는지 알 수 있습니다. 그러나 선물의 중간과 끝에서 원칙적으로 시장은 더 규칙적이며 하나의 항목이 오랫동안 지배하는 방법을 볼 수 있습니다.
젠장, 모든 사람들은 이전 미래가 끝나기 직전 또는 며칠 전부터 일합니다. 도대체 첫 달은 몇 월일까?
NS-60 뉴런이라는 하나의 모델만 있습니다. 아무것도 선택할 필요가 없습니다. 우리는 훈련합니다 - 우리는 일합니다.
예, OOC - 무엇입니까?
Mdya... 글쎄요, 괜찮아요.... NS는 하나가 있지만 훈련할 때 항상 다른 가중치 계수의 뉴런을 얻게 됩니다. 항상 다릅니다. 그녀는 같은 방식으로 일할 것입니다. 훈련 지역에서. 그러나 각 훈련에서 항상 다른 NS가 얻어지며 이 차이는 뉴런 계수에 있습니다. 따라서 이 계수 세트가 있는 이 NS가 미래에 이것보다 더 잘 작동할 것이라고 정적으로 결정할 수 있습니다. 그렇지 않습니까??? 아니면 이해가 안되는 부분이 있습니다. 그것은 R에서 모든 것이 내부에 꿰매어 있다는 것입니다 ...... 내가 이해하는대로 ...
Mdya... 글쎄요, 괜찮아요.... NS는 하나가 있지만 훈련할 때 항상 다른 가중치 계수의 뉴런을 얻게 됩니다. 항상 다릅니다. 그녀는 같은 방식으로 일할 것입니다. 훈련 지역에서. 그러나 각 훈련에서 항상 다른 NS가 얻어지며 이 차이는 뉴런 계수에 있습니다. 그래서, 이 계수들의 집합을 가진 이 NN이 미래에 이것보다 더 잘 작동할 것이라고 정적으로 결정할 수 있습니다... 그렇지 않습니까??? 아니면 이해가 안되는 부분이 있습니다. 그것은 R에서 모든 것이 내부에 꿰매어 있다는 것입니다 ...... 내가 이해하는대로 ...
나는 R에서 일하지 않는다.
예, 각 교육에는 항상 다른 NS가 있습니다. 나는 그것을 독립적인 VR에서 확인하고, 현실로 보낸다. 그건 그렇고, 미래에.
예, 각 교육에는 항상 다른 NS가 있습니다. 나는 그것을 독립적인 VR에서 확인하고, 현실로 보낸다. 그건 그렇고, 미래에.
나는 또한 독립 BP에서 그것을 테스트했습니다. 내 기본 전략을 사용하면 시간을 낭비하지 않고 그러한 VR을 만들 수 있습니다. 하지만 결과적으로 내 예에서 계산된 기술을 적용하는 것이 좋습니다. 따라서 모델이 출력에 대한 정보를 얼마나 많이 전달하는지 이해하는 것이 통계적으로 더 안정적입니다....
나를 위한? 나는 이미 문제를 해결했습니다. 이제 또 무엇을 해야 할지 생각 중입니다. Python 또는 R. 아직 새로운 아이디어가 없습니다.
그렇다면 모델은 어떻게 평가됩니까? 또는 동일한 세트를 반복적으로 구성하면 항상 동일한 모델을 얻을 수 있습니다. 그래서 무엇?
맞아요, 당신이 생각하는 것이 맞습니다. 따라서 작업은 패턴이 떠 있는 고정되지 않은 시리즈에서 동일한 AI일 뿐입니다. AI의 임무는 이러한 의존성을 피하면서 성능을 유지하는 것입니다. 최소한 짧은 시간이지만 돈을 벌기에 충분합니다. 결국 패턴이 갑자기 바뀌지 않습니다. 다른 하나가 메인, 첫 번째 입구를 대신하지만 메인은 여전히 세트에 남아 있으며, 여기에서 말하는 것처럼 라인 유지의 부담을 지는 것은 AI뿐입니다. 그렇기 때문에 특히 시장 자체가 어디로 가야 할지 모를 때 선물 계약의 첫 달에 매우 자주 훈련해야 합니다. Writ을 보면 이 패턴이 어떻게 춤을 추는지 알 수 있습니다. 그러나 선물의 중간과 끝에서 원칙적으로 시장은 더 규칙적이며 하나의 항목이 오랫동안 지배하는 방법을 볼 수 있습니다.
젠장, 모든 사람들은 이전 미래가 끝나기 직전 또는 며칠 전부터 일합니다. 도대체 첫 달은 몇 월일까?
패턴은 혼란스럽게 변하고 패턴의 편차는 시간이 지남에 따라 기하급수적 으로 증가합니다.
RNN 또는 LSTM을 부분적으로 제외하고 어떤 근사법도 이러한 문제를 해결할 수 없습니다.
통계에 관한 모든 기사, 현재 형태로 시장에 적용하려는 시도 - 무시하고 관심을 기울이지 않을 수 있습니다.
주요 노력은 고정되지 않은 환경에서 작업하는 방법에 초점을 맞춰야 합니다. 그 중 하나는 Alexander가 제안한 것입니다(선험적으로 kotir 자체에서 추출할 수 없는 kotir에 영구적으로 영향을 미치는 징후가 없는 경우).그렇다면 모델은 어떻게 평가됩니까? 또는 동일한 세트를 반복적으로 구성하면 항상 동일한 모델을 얻을 수 있습니다. 그래서 무엇?
아마 다를 것입니다. 누가 알겠습니까? 무작위 순서로 훈련되었습니다.
아마 다를 것입니다. 누가 알겠습니까? 무작위 순서로 훈련되었습니다.
글쎄, 당신은 올바른 것을 어떻게 선택합니까?? 또는 결과적으로 그들은 모두 OOS에서 동일한 결과를 제공합니다 ???
여기 내 OOS에서 모든 모델이 다르게 작동합니다....
글쎄, 당신은 올바른 것을 어떻게 선택합니까?? 또는 결과적으로 그들은 모두 OOS에서 동일한 결과를 제공합니다 ???
여기 내 OOS에서 모든 모델이 다르게 작동합니다 ....
NS-60 뉴런이라는 하나의 모델만 있습니다. 아무것도 선택할 필요가 없습니다. 우리는 훈련합니다 - 우리는 일합니다.
예, OOC - 무엇입니까?
NS-60 뉴런이라는 하나의 모델만 있습니다. 아무것도 선택할 필요가 없습니다. 우리는 훈련합니다 - 우리는 일합니다.
예, OOC - 무엇입니까?
Mdya... 글쎄요, 괜찮아요.... NS는 하나가 있지만 훈련할 때 항상 다른 가중치 계수의 뉴런을 얻게 됩니다. 항상 다릅니다. 그녀는 같은 방식으로 일할 것입니다. 훈련 지역에서. 그러나 각 훈련에서 항상 다른 NS가 얻어지며 이 차이는 뉴런 계수에 있습니다. 따라서 이 계수 세트가 있는 이 NS가 미래에 이것보다 더 잘 작동할 것이라고 정적으로 결정할 수 있습니다. 그렇지 않습니까??? 아니면 이해가 안되는 부분이 있습니다. 그것은 R에서 모든 것이 내부에 꿰매어 있다는 것입니다 ...... 내가 이해하는대로 ...
Mdya... 글쎄요, 괜찮아요.... NS는 하나가 있지만 훈련할 때 항상 다른 가중치 계수의 뉴런을 얻게 됩니다. 항상 다릅니다. 그녀는 같은 방식으로 일할 것입니다. 훈련 지역에서. 그러나 각 훈련에서 항상 다른 NS가 얻어지며 이 차이는 뉴런 계수에 있습니다. 그래서, 이 계수들의 집합을 가진 이 NN이 미래에 이것보다 더 잘 작동할 것이라고 정적으로 결정할 수 있습니다... 그렇지 않습니까??? 아니면 이해가 안되는 부분이 있습니다. 그것은 R에서 모든 것이 내부에 꿰매어 있다는 것입니다 ...... 내가 이해하는대로 ...
나는 R에서 일하지 않는다.
예, 각 교육에는 항상 다른 NS가 있습니다. 나는 그것을 독립적인 VR에서 확인하고, 현실로 보낸다. 그건 그렇고, 미래에.
나는 R에서 일하지 않는다.
예, 각 교육에는 항상 다른 NS가 있습니다. 나는 그것을 독립적인 VR에서 확인하고, 현실로 보낸다. 그건 그렇고, 미래에.
나는 또한 독립 BP에서 그것을 테스트했습니다. 내 기본 전략을 사용하면 시간을 낭비하지 않고 그러한 VR을 만들 수 있습니다. 하지만 결과적으로 내 예에서 계산된 기술을 적용하는 것이 좋습니다. 따라서 모델이 출력에 대한 정보를 얼마나 많이 전달하는지 이해하는 것이 통계적으로 더 안정적입니다....