먼저 각 가중치에 대한 미세 수정을 계산합니다. dw=in*din - 델타 규칙 - 입력 신호에 특정 입력으로 감소된 오류를 곱합니다. 그리고 훈련 벡터의 모든 판독값에 걸쳐 각 가중치에 대해 별도의 가산기로 요약합니다. 학습 에포크의 한 반복 내에서 가중치는 조정되지 않습니다. 미세 수정과 그 제곱만 누적됩니다(다른 가산기에서).
PS 위의 게시물에서 오류를 수정했습니다. 도함수는 *(1-OUT2^2)와 같이 찾을 수 있습니다.
Seryoga, 당신과 Fedor는 추측 게임을하는 것 같습니다. ORO를 µl에 두는 것이 더 쉬울까요?
아니요.
먼저 각 가중치에 대한 미세 수정을 계산합니다. dw=in*din - 델타 규칙 - 입력 신호에 특정 입력으로 감소된 오류를 곱합니다. 그리고 훈련 벡터의 모든 판독값에 걸쳐 각 가중치에 대해 별도의 가산기로 요약합니다. 학습 에포크의 한 반복 내에서 가중치는 조정되지 않습니다. 미세 수정과 그 제곱만 누적됩니다(다른 가산기에서).
PS 위의 게시물에서 오류를 수정했습니다. 도함수는 *(1-OUT2^2)와 같이 찾을 수 있습니다.
Seryoga, 당신과 Fedor는 추측 게임을하는 것 같습니다. ORO를 µl에 두는 것이 더 쉬울까요?
나픽이 필요합니다!
실용화되고 많은 노동력이 투입된 그런 것들은 팔린다.
여기에서 한 사람이 훈련을 받는 동시에 귀중한 경험을 교환할 수 있습니다! 이것들은 다른 것들입니다.
또한 내 아이디어와 구현에 오류가 있을 수 있습니다. 그에게 준비를 제공하십시오. vseravno 무엇을 죽일지.
그에게 준비를 제공하십시오. vseravno 무엇을 죽일지.
당신은 헛된 ...
기성품을 원하면 기성품을 찾을 것입니다! 나는 당신을 가져 가지 않을 것입니다, 나는 그것을 스스로 원합니다.
나픽이 필요합니다!
실용화되고 많은 노동력이 투입된 그런 것들은 팔린다.
여기에서 한 사람이 훈련을 받는 동시에 귀중한 경험을 교환할 수 있습니다! 이것들은 다른 것들입니다.
또한 내 아이디어와 구현에 오류가 있을 수 있습니다. 그에게 준비를 제공하십시오. vseravno 무엇을 죽일지.
당신과 paralocus는 이미 그러한 "집" 토론을 하고 있습니다. 듣기만 해도 좋고 아이디어는 샘물에 불과하지만 :)
나는 당신의 데이터로 내 NS에서 무엇을 짜낼 수 있는지 확인하고 싶었습니다. 그러고보니 개론에 분명히 문제가 있는건데, 국회가 뭔가 좋은건지 아닌지 궁금하네요 :)
듣기만 해도 좋고 아이디어는 샘물에 불과하지만 :)
모든 사람은 동일한 NS를 가지고 있지만 데이터는 ... 동일합니다. 성공의 90%입니다.
이제 다시 말하지만, 당신은 무엇에 대해 이야기하고 있습니까?
자, 아이디어를 내고 토론해 봅시다!
입구에 놓을 것을 약속합니다. - 마샤?
자, 아이디어를 내고 토론해 봅시다!
여러 MACD 정상에 대해 다음을 예측하십시오. 그것은 의미입니다. 기간은 중요하지 않습니다.
자, 아이디어를 내고 토론해 봅시다!
입구에 놓을 것을 약속합니다. - 마샤?
Vinin의 VininI_RSI_FO는 여러 프레임으로 구성된 실제적으로 정규화된 발진기입니다.