Etiqueta de mercado ou boas maneiras em um campo minado - página 70
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
A variação é um pouco alta, mas é preciso aumentar as estatísticas.
Talvez seja bastante normal para uma avaria do kotir de hora em hora? Eu estava aumentando as estatísticas para 1000. O resultado é um pouco mais baixo. Agora as estatísticas d já estão contando, eu lhe mostrarei quando estiver feito.
Mais precisamente, ao afirmar o fato da quase estabilidade, não se segue que o mercado seja completamente eficiente.
Sim, eu entendo, e isso também faz mais sentido para mim. Embora, eu usaria a palavra "quasi-insteady" em um jogo de palavras para dar mais tempo aos adivinhadores. :)
Aqui estão as estatísticas d sobre Wiener:
Se K=2, é mais bonito (em Wiener). Eu apenas coloco K=1 em todo lugar, porque com ele a garota aprende melhor e trabalha melhor (significativamente)
E isto é para 1000 experiências kotir (K=1)
Aqui estão as estatísticas d sobre Wiener:
Fig. não parece muito informativa. Exibir apenas as tangentes em função da dimensionalidade de entrada na amostra de treinamento e na amostra de teste em uma figura, e colocar autoescalonamento no eixo das ordenadas.
Está bem assim?
Agora explique onde você quer chegar.
Se você olhar para seu figo, onde a tangente para Wiener é derivada:
Não é difícil estimar visualmente seu valor tg=1/2 para a amostra de treinamento. Se você olhar para sua última Fig., o valor de tg não excede o nível 0,1
Comente.
Isto porque multipliquei a tangente calculada pela volatilidade da Wiener, que também foi calculada incorretamente (a diferença nas contagens acumuladas sem ser quadrada)
Estas fotos são para K=1
Agora parabéns!
Vemos que o código NS de camada única funciona corretamente - zero (se acrescentarmos mais estatísticas) em um processo aleatório e algo estatisticamente significativo diferente de zero em uma BP de mercado. Agora podemos passar a trabalhar com o aproximador universal (bilayer nonlinear NS) e comparar os resultados obtidos com o trabalho do neurônio linear. Após o polimento, podemos comparar os retornos com diferentes números de neurônios na camada oculta e experimentar com diferentes dados de entrada.