Suponha que temos uma PA mais ou menos estacionária e que temos a sua decomposição de frequência. Pergunta: o que é melhor para o modelo - 1 característica ou 5, e porquê?
Se por acaso você tiver essa decomposição e ela for correta e reversível, então aumentar o número de características do modelo só é benéfico e aumenta sua flexibilidade, o principal é que as ferramentas de MO não falham, a propósito, agora existem redes neurais novas e avançadas que fazem aprendizagens profundas em velocidade por ordens de magnitude.
Ivan Negreshniy: Bem, se por acaso você tem essa decomposição e ela é correta e reversível, então aumentar o número de características do modelo só é benéfico e aumenta sua flexibilidade, o principal é que as ferramentas de MO não são comprometidas; a propósito, novas redes neurais progressivas que fazem aprendizagens profundas em velocidade por ordens de magnitude agora apareceram.
Bem + os elementos mais ruidosos removidos. Quais são os ns, como se chamam? E o xgboost, eles também o fazem? )
Bem + os elementos mais ruidosos foram removidos. Quais são os ns, como se chamam? E o xgboost, eles também fazem isso? )
É uma nova e pouco conhecida arquitectura n-network, sem descidas gradientes, tudo é tão primitivamente simples como o cérebro do camarada acima referido).
Ivan Negreshniy: Esta é uma nova e pouco conhecida arquitectura n-network, sem descidas gradientes, tudo é primitivamente simples, como o cérebro do camarada acima referido).
Onde é que leio? Nem consigo encontrar nada para pesquisar no Google.
Yuriy Asaulenko: Presumo que será ainda melhor durante o dia. A julgar pelo modelo e pelos testes de depuração preliminares. Mas é muito cedo para dizer alguma coisa, é claro.
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
Suponha que temos uma PA mais ou menos estacionária e que temos a sua decomposição de frequência. Pergunta: o que é melhor para o modelo - 1 característica ou 5, e porquê?
Bem, se por acaso você tem essa decomposição e ela é correta e reversível, então aumentar o número de características do modelo só é benéfico e aumenta sua flexibilidade, o principal é que as ferramentas de MO não são comprometidas; a propósito, novas redes neurais progressivas que fazem aprendizagens profundas em velocidade por ordens de magnitude agora apareceram.
Bem + os elementos mais ruidosos removidos. Quais são os ns, como se chamam? E o xgboost, eles também o fazem? )
há treinamento de água ..... para "lembrá-lo" e vazá-lo por conta própria
Bem + os elementos mais ruidosos foram removidos. Quais são os ns, como se chamam? E o xgboost, eles também fazem isso? )
Esta é uma nova e pouco conhecida arquitectura n-network, sem descidas gradientes, tudo é primitivamente simples, como o cérebro do camarada acima referido).
Onde é que leio? Nem consigo encontrar nada para pesquisar no Google.
aqui estão todas as opções https://tproger.ru/translations/neural-network-zoo-2/
Onde é que leio? Nem consigo encontrar nada para pesquisar no Google.
aqui estão todas as opções https://tproger.ru/translations/neural-network-zoo-2/
não se escreve muito sobre o assunto no domínio público, mas a pesquisa está em curso https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra
Presumo que será ainda melhor durante o dia. A julgar pelo modelo e pelos testes de depuração preliminares. Mas é muito cedo para dizer alguma coisa, é claro.
Como está a correr?
não se escreve muito sobre o assunto no domínio público, mas a pesquisa está em curso https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra
não se escreve muito sobre o assunto no domínio público, mas a pesquisa está em curso https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra
ah, bem, ainda não há bibliotecas... você não pode escrevê-las você mesmo )