예, 누적 VR(이 예의 경우). 다시 한 번 (다른 스레드에서 내 게시물을 사용하고 약간 수정했습니다):
시장 모델
오랜 검색 끝에 시장 모델의 작동 버전으로 "임의 구조의 제어 시스템"과 같은 것을 채택했습니다. 내 생각에(수학은 아니지만) 이 모델은 모든 미묘함과 함께 인용 과정을 적절하게 설명합니다.
그 본질은 매우 간단합니다. 입력에서 출력으로의 변환을 설명하는 구조는 유한합니다. 이러한 각 구조는 변환이 일어나는 특정 모델의 존재를 전제로 합니다. 관찰된 프로세스는 구조 간의 전환(전환)에 의해 형성됩니다. 이 모든 것이 아래 그림에 나와 있습니다.
각 모델에는 켤 때마다 변경할 수 있는 매개변수 세트가 있습니다. 그래서 나는 두 개의 주요 프로세스만 있다고 가정했고 각 프로세스는 고유한 계층 구조를 가지고 있으며 계층 구조의 노드에 있는 각 요소는 고유한 구조를 가지고 있습니다.
프로세스 상호 작용
이 두 프로세스는 전환 매트릭스(아마도)에 따라 서로 경쟁합니다. 즉, 시장에 "외부"(물론 조건부로) 특정 시스템이 있으며, 이러한 시스템은 이러한 프로세스 간에 견적 생성을 전환합니다. 나중에 자세히 보여드릴께요
실습에 대한 적응
모든 것이 훌륭하지만 그러한 시스템을 정확하게 식별하는 것은 불가능합니다. 따라서 "결합 모델"을 소개합니다. A=W(1)MODEL1(매개변수)+ W(2)MODEL2(매개변수)+….+ W(n)MODELn(매개변수). 여기서 W(n)은 예측에서 이러한 모델의 참여 가중치입니다. 발명된 변환 덕분에 프로세스를 명시적으로 분리할 수 있습니다. 하지만 그건 나중에.
나는 무엇으로 일합니까?
나는 따옴표로 직접 작업하지 않습니다. 이것은 매우 복잡한 과정입니다. 나는 모든 종류의 까다로운 변형을 소개하지만 말한 내용은 그들에게도 적용됩니다. 어려움은 사라지지 않습니다 - 그것은 유전됩니다. 이 프로세스를 단순화할 방법이 없습니다. 그리고 여전히 단순화하면 프로세스 자체를 잃을 수 있습니다. (즉, 내가 설명한 것보다 조금 더 복잡하지만 현상과 몇 가지 더 흥미로운 관찰을 보여주었습니다)
시계열 진화 분석
기본 단계. 이 단계에서 몇 가지 기준에 따라 가능한 모든 구조를 식별합니다. 이러한 구조 간의 전환 통계가 추정됩니다. 구조에 대한 천이 주파수 행렬이 결정됩니다. 앞으로는 소위 임펄스 신경망(그렇지 않으면 파동)을 사용할 생각입니다. 매우 유망한 방향입니다.
연산
(1) 행동에 대한 몇 가지 가정을 하고 계획 기간에 있는 현재 시스템의 미래 상태에 대한 확률적 평가가 수행됩니다. 신경망은 획득한 초기 상태의 확률 행렬 p=f(time, kotir)를 따라 크롤링하고 차례로 진입/출구 지점의 존재에 대해 가정합니다. 그녀는 계획의 지평선에 진입/출구가 있는지 여부를 매우 정확하게 말할 수 있습니다. 찾는 일만 남았습니다.
(2) 정확한 예측을 작성하라는 명령이 주어집니다. 수행:
- "on" 현재 구조의 식별
- 가장 가능성 있는 미래 구조의 선택에 대한 평가
- 미래 모델의 매개변수 식별
(3) 시뮬레이션 진행 중
(4) 다음으로, 신경망은 결합된 모델의 계수를 추정합니다.
사고는 아직 발견되지 않았으며 Alexei(Mathemat)의 대규모 연구는 이에 대한 증거입니다. 나는 그들을 확인, 그들은 정확합니다. 그러나 Markov 속성이 관찰되지 않으면 모든 것이 훨씬 더 복잡해지며 더 많이 발명해야 합니다.
나는 주제를 올렸습니다. 주제에 없을 수도 있습니다 ... RMS 범위와 그 이상을 입력하여 인공 난수의 빈도를 강조 표시하려고 시도한 다음 Farnsworth 의 게시물을 다시 읽습니다.
나는 그 비밀이 남아있는 "체"가 있다는 것을 깨달았습니다. 내가 한 것은 알파도 오메가도주지 않습니다.
그것은 모두 "체"에 관한 것입니다. 그것은 무엇이며 어떻게 됩니까? 답변보다 질문이 더...
"관성은 몸에 힘이 작용하지 않을 때 몸의 운동 속도(크기와 방향 모두)를 유지하는 현상입니다." :)
글로벌 장기 추세의 존재에 실제로 놀란 이유는 무엇입니까?
관성은 어떨까요?
그러한 매트릭스가 원인이 아니라 그러한 두 가지 프로세스가 존재하는 결과라고 가정하지 않는 이유는 무엇입니까? 물론 존재한다면 말이다.
아마도 그것이 내가 확인하고 싶은 것입니다.
(2) 정확한 예보를 작성하라는 명령이 주어집니다. 수행:
- "on" 현재 구조의 식별
동료 여러분, 나는 오랫동안 포럼을 떠날 것입니다. 관련 동향.
행운을 빕니다.
블라디미르, 시스템을 내려놓으라는 말씀이신가요? 얼마나 많은 단계가 필요한지 궁금합니다. 단 4단계입니다.
관성은 어떨까요?
글쎄, 당신은 균일 한 직선 운동의 그래프를 그렸습니까? 아래 정의를 참조하십시오.
... 각 프로세스에는 자체 계층이 있습니다 ...
... 그러나 Markov 속성이 관찰되지 않으면 모든 것이 훨씬 더 복잡해지며 더 많이 발명해야 합니다.
글쎄, 마침내, 적어도 누군가는 비밀, 말하자면 시장의 현상을 주었다.
알 수 없는 이유로 일련의 검은 양초를 추가할 수 있습니다. 새 막대 는 흰색으로 열리지 만 여전히 검은색으로 닫힙니다 . 따라서 흰색 양초의 경우 그 반대도 마찬가지입니다.
개막식에서 초가 어떻게 형성되는지 이해가되지 않습니다. 존재하지 않습니다.
예, 누적 VR(이 예의 경우). 다시 한 번 (다른 스레드에서 내 게시물을 사용하고 약간 수정했습니다):
시장 모델
오랜 검색 끝에 시장 모델의 작동 버전으로 "임의 구조의 제어 시스템"과 같은 것을 채택했습니다. 내 생각에(수학은 아니지만) 이 모델은 모든 미묘함과 함께 인용 과정을 적절하게 설명합니다.
그 본질은 매우 간단합니다. 입력에서 출력으로의 변환을 설명하는 구조는 유한합니다. 이러한 각 구조는 변환이 일어나는 특정 모델의 존재를 전제로 합니다. 관찰된 프로세스는 구조 간의 전환(전환)에 의해 형성됩니다. 이 모든 것이 아래 그림에 나와 있습니다.
각 모델에는 켤 때마다 변경할 수 있는 매개변수 세트가 있습니다. 그래서 나는 두 개의 주요 프로세스만 있다고 가정했고 각 프로세스는 고유한 계층 구조를 가지고 있으며 계층 구조의 노드에 있는 각 요소는 고유한 구조를 가지고 있습니다.
프로세스 상호 작용
이 두 프로세스는 전환 매트릭스(아마도)에 따라 서로 경쟁합니다. 즉, 시장에 "외부"(물론 조건부로) 특정 시스템이 있으며, 이러한 시스템은 이러한 프로세스 간에 견적 생성을 전환합니다. 나중에 자세히 보여드릴께요
실습에 대한 적응
모든 것이 훌륭하지만 그러한 시스템을 정확하게 식별하는 것은 불가능합니다. 따라서 "결합 모델"을 소개합니다. A=W(1)MODEL1(매개변수)+ W(2)MODEL2(매개변수)+….+ W(n)MODELn(매개변수). 여기서 W(n)은 예측에서 이러한 모델의 참여 가중치입니다. 발명된 변환 덕분에 프로세스를 명시적으로 분리할 수 있습니다. 하지만 그건 나중에.
나는 무엇으로 일합니까?
나는 따옴표로 직접 작업하지 않습니다. 이것은 매우 복잡한 과정입니다. 나는 모든 종류의 까다로운 변형을 소개하지만 말한 내용은 그들에게도 적용됩니다. 어려움은 사라지지 않습니다 - 그것은 유전됩니다. 이 프로세스를 단순화할 방법이 없습니다. 그리고 여전히 단순화하면 프로세스 자체를 잃을 수 있습니다. (즉, 내가 설명한 것보다 조금 더 복잡하지만 현상과 몇 가지 더 흥미로운 관찰을 보여주었습니다)
시계열 진화 분석
기본 단계. 이 단계에서 몇 가지 기준에 따라 가능한 모든 구조를 식별합니다. 이러한 구조 간의 전환 통계가 추정됩니다. 구조에 대한 천이 주파수 행렬이 결정됩니다. 앞으로는 소위 임펄스 신경망(그렇지 않으면 파동)을 사용할 생각입니다. 매우 유망한 방향입니다.
연산
(1) 행동에 대한 몇 가지 가정을 하고 계획 기간에 있는 현재 시스템의 미래 상태에 대한 확률적 평가가 수행됩니다. 신경망은 획득한 초기 상태의 확률 행렬 p=f(time, kotir)를 따라 크롤링하고 차례로 진입/출구 지점의 존재에 대해 가정합니다. 그녀는 계획의 지평선에 진입/출구가 있는지 여부를 매우 정확하게 말할 수 있습니다. 찾는 일만 남았습니다.
(2) 정확한 예측을 작성하라는 명령이 주어집니다. 수행:
- "on" 현재 구조의 식별
- 가장 가능성 있는 미래 구조의 선택에 대한 평가
- 미래 모델의 매개변수 식별
(3) 시뮬레이션 진행 중
(4) 다음으로, 신경망은 결합된 모델의 계수를 추정합니다.
사고는 아직 발견되지 않았으며 Alexei(Mathemat)의 대규모 연구는 이에 대한 증거입니다. 나는 그들을 확인, 그들은 정확합니다. 그러나 Markov 속성이 관찰되지 않으면 모든 것이 훨씬 더 복잡해지며 더 많이 발명해야 합니다.
나는 주제를 올렸습니다. 주제에 없을 수도 있습니다 ... RMS 범위와 그 이상을 입력하여 인공 난수의 빈도를 강조 표시하려고 시도한 다음 Farnsworth 의 게시물을 다시 읽습니다.
나는 그 비밀이 남아있는 "체"가 있다는 것을 깨달았습니다. 내가 한 것은 알파도 오메가도주지 않습니다.
그것은 모두 "체"에 관한 것입니다. 그것은 무엇이며 어떻게 됩니까? 답변보다 질문이 더...