Previsão de séries cronológicas com o Deductor Academic 5.2 - página 5

Novo comentário
 
Ele mostra tudo, curvas e força.
 
Tudo depende dos quadros e das configurações . 70% a 95%.
 
AAAksakal:
Tudo depende dos quadros e das configurações . 70% a 95%.
Em algum lugar assim, mas, infelizmente, em notícias fortes.
 
Ele também não se importa com as notícias. Recebo as notícias das previsões da Ded.
 
AAAksakal:
Sim, tudo o que ele mostra e reverte e força.

As provas são muito bem-vindas. É uma grande notícia que é possível prever em seções instáveis da BP. Você é o único que afirma isso, eu não estou familiarizado com os outros.
 
Não é grato provar nada, na verdade é muito difícil fazer boas previsões. Muitos fatores influenciam a criação de uma previsão precisa, por exemplo o seguinte, se você fizer uma previsão é melhor fazer no início do dia, você não deve fazer uma previsão no meio das sessões de negociação. você pode fazer uma previsão quando uma sessão tiver sido completamente executada, mas, a janela de mergulho histórico deve ser movida para trás 24 horas +1 na sessão de negociação..... As melhores previsões são obtidas para 5 min., neuron.net, como eu odeio admitir, não suporto como 95% é lixo, porém a rede precisa ser ajustada para cada par separadamente, também leva muito tempo e há algumas sutilezas...... Na verdade, há muitas sutilezas.
 
AAAksakal:
Provar qualquer coisa não é um esforço que valha a pena.
É incrível que existam pessoas no mercado que se orgulhem disso. É possível mostrar um testador executado com um gráfico. Ou tudo o que você escreveu é apenas lixo do calor?
 
Sim, esqueci de acrescentar uma parte importante. Se você quiser atualizar sua previsão, terá que derrubar o bloco linear ou líquido e reiniciar o processamento. Caso contrário, você receberá uma atualização, mas com coeficientes antigos, eles não serão atualizados. Quando você derrubar e iniciar novos blocos, você receberá novos coeficientes.
 
Adeus a todos.
 

Este promotor é bastante fraco.


Foi um simples exemplo clássico de reconhecimento:


Exemplos de cordas:

1. Pássaro

2. Voe

3. Aeroplano

4. Planador

5. Foguete não alado

As primeiras seis colunas são entradas de objetos reconhecíveis. O resto das colunas são saídas.




Uma grade de duas camadas: 6 x 2 x 6 x 6 x 6


Quando testado com Propagação Costal é uma verdadeira chatice, pois 40% da amostra de treinamento são separabilidade linear, se o erro for inferior a 0,01, então a amostra de treinamento é considerada reconhecida.


Portanto, nem um avião, planador ou foguete não foram reconhecidos, todas as saídas têm apenas valores negativos com quaisquer entradas. O pássaro e o planador são reconhecidos com precisão suficiente. A saída das diferenças entre objetos biológicos e objetos mecânicos também foi reconhecida com bastante precisão.



Ao testar o RPROP sob as mesmas condições e sob a mesma arquitetura, os resultados são melhores:

Portanto, aqui a separabilidade linear já é 100%, mas os erros estão presentes.

1234567
Novo comentário
Razão: