지표: 샘플러
NS에 이상적인 입력이 무엇인지 조금 불분명합니다.
모순되는 패턴을 포함하지 않나요? 아니면 다른 이상적인 기준은 무엇인가요?
트레이딩 관점에서의 입력.
이 지표는 교사와 함께 학습할 때 NS에게 무엇을 가르쳐야 하는지를 보여줍니다. 즉, 네트워크의 출력에 무엇이 있어야 하는지를 보여줍니다.
트레이딩 관점에서 본 항목입니다.
이 지표는 교사와 함께 학습할 때 NS에게 무엇을 가르쳐야 하는지 보여줍니다. 즉, 네트워크의 출력은 무엇이어야 합니다.
모순 점검을 했나요?
예시의 과거는 비슷하지만 미래가 다방향인 경우입니다.
모순 점검을 해보셨나요?
예제의 과거는 비슷하지만 미래가 다른 경우입니다.
"예제의 과거가 비슷하다"는 것은 무엇과 비슷하다는 뜻인가요?
네트워크 입력에 공급되는 데이터에 따라 다릅니다.
이 표시기는 네트워크의 원하는 출력(여러 변형)만 계산하며 미래나 입력은 계산하지 않습니다. 입력에 무엇을 공급할지는 또 다른 주제입니다.
롤오버 시스템 (항상 시장에 있음)의 경우 1 신호 방법 또는 아날로그 버퍼를 사용하는 것이 좋습니다.
고정 손절매 및 테이크프로핏이 있는 시스템의 경우 - 두 번째 방법.
훈련 예제 준비를 단순화하기 위해 지표를 만들었습니다.
네트워크가 이러한 예제를 식별하는 방법은 네트워크의 능력에 따라 다릅니다.
"예제의 과거가 비슷하다"는 것은 무엇과 비슷하나요?
네트워크 입력에 공급되는 데이터에 따라 다릅니다.
이 표시기는 네트워크의 원하는 출력(여러 변형)만 계산하며, 미래나 입력은 계산하지 않습니다. 입력에 무엇을 공급할지는 또 다른 주제입니다.
롤오버 시스템 (항상 시장에 있음)의 경우 1 신호 방법 또는 아날로그 버퍼를 사용하는 것이 좋습니다.
고정 손절매 및 테이크프로핏이 있는 시스템의 경우 - 두 번째 방법.
훈련 예제 준비를 단순화하기 위해 지표를 만들었습니다.
네트워크가 이러한 예제를 식별하는 방법은 네트워크의 능력에 따라 다릅니다.
우리 자신을 바보로 만들어 봅시다.
두 예제(예: 학습 예제)는 과거(입력)와 미래(원하는 출력)가 있기 때문에 두 예제 사이에는 상관관계가 존재하며, 예제(학습 예제)는 예제입니다.
이 맥락에서 가장 큰 문제는 두 예제의 과거가 같지만 미래가 다른 경우인데, 이러한 예제는 원칙적으로 그리드에서 학습할 수 없습니다. 이것이 바로 가상현실의 그물이 작동하지 않는 주된 문제입니다.
멍청한 척 해보자고요, 어서요.
그럴 의도가 아니었어 질문을 잘못 이해한 것 같네요.
예를 들어 두 예제 사이에는 상관 관계가 있으며, 예제(훈련 예제)는 과거(입력)와 미래(원하는 출력)가 있기 때문에 예제입니다.
이 맥락에서 가장 큰 문제는 두 예제의 과거가 같지만 미래가 다른 경우인데, 이러한 예제는 원칙적으로 그리드에서 학습할 수 없습니다. 이것이 바로 가상현실의 그물이 작동하지 않는 주된 문제입니다.
이제 제 질문이 맞다는 것을 알았습니다.
그리드 입력에 무엇을 공급할지 아직 모르겠습니다 (아직 최적의 솔루션을 찾고 있습니다). 그러나 나는 이미 출력에 무엇이 있어야하는지 정확히 알고 있습니다 (이 표시기가 알려줄 것입니다).
문제를 해결하기위한 옵션 중 하나입니다 (imho):
두 개의 그리드를 가져와 하나는 구매용으로, 다른 하나는 판매용으로 훈련시킵니다. 그런 다음 두 그리드 모두 다방향 신호를 제공하면 신호를 무시합니다.
그럴 생각도 없었어요. 질문을 잘못 이해한 줄 알았어요.
이제야 제대로 이해했네요.
네트워크의 입력에 무엇을 공급할지 아직 모르겠습니다 (여전히 최적의 솔루션을 찾고 있습니다). 그러나 나는 이미 출력이 무엇인지 정확히 알고 있습니다 (이 표시기가 알려줄 것입니다).
문제를 해결하기위한 옵션 중 하나입니다 (imho):
두 개의 그리드를 가져와 하나는 구매용으로, 다른 하나는 판매용으로 훈련시킵니다. 그런 다음 두 그리드 모두 다방향 신호를 제공하면 신호를 무시합니다.
네, 아이디어는 분명하고 그 자리가 있습니다. 많은 네트워커들이 관심을 가질 것이라고 생각합니다.
개발 내용을 게시해 주셔서 감사합니다.
다시 그려지지 않나요?
다시 그리지 않나요?
네, 다시 그리지 않아요.
추신: 그는 그림만 그립니다.
샘플러:
i_Sampler 표시기는 이상적인 입력을 계산하며, 신경망 학습을 위해 설계되었습니다.
Author: Serj