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
Ah, isso é fácil. Assim que começa a aprender, isso é suficiente.
Agora vou demonstrar a nova rede. Com todos os testes.
Ah, é fácil. Assim que começa a aprender, isso é suficiente.
Reshetov's Perseptron também aprende algo, mas obviamente não é suficiente....
Minha opinião, para falar sobre suficiência é preciso aprender de alguma forma a analisar os resultados do treinamento, sobre OV, dependendo do período de treinamento (número de exemplos de entrada) e OOS sozinho não é um ajudante aqui. Há muito tempo eu tropeço neste lugar, sinto que a verdade está em algum lugar próximo, mas não consigo entendê-la.
Há muito tempo eu tropeço neste lugar, sentindo que a verdade está em algum lugar próximo, mas não consigo me controlar.
Reshetov's Perseptron também aprende algo, mas obviamente não é suficiente....
Minha opinião, para falar de suficiência é preciso de alguma forma aprender a analisar os resultados do treinamento, sobre OV, dependendo do período de treinamento (número de exemplos de entrada) e OOS sozinho não é uma ajuda aqui. Há muito tempo eu tropeço neste lugar, sinto que a verdade está em algum lugar próximo, mas não consigo entendê-la.
Parece que já entendi. Otimização em uma grande amostra. Eu recebo o drawdown para estar abaixo do lucro líquido. Depois reduzo a amostra e adiciono um último neurônio de refino. Eu poderia estar errado. Vou postar um exemplo.
Utilizei várias abordagens em minhas pesquisas:
1) dar à rede uma entrada esquerda, bem do nada, como uma mudança diária no clima do sol, e ensiná-la a negociar sobre esta entrada, por exemplo, por um mês. Aqui a rede em sua forma pura deve demonstrar sua capacidade de lembrar/seguir. Em seguida, deu entradas normais. Eu tentei analisar de alguma forma a diferença entre os resultados do treinamento.
2) Tentou analisar o resultado do treinamento como uma função de aumentar o tamanho da amostra de treinamento. Quase todas as redes e configurações, até um certo momento há um aumento no resultado, então geralmente ocorre uma estagnação, e aumentar ainda mais o número de amostras de entrada pode levar a resultados piores.
Com estes resultados de minha pesquisa estou tentando tirar conclusões sobre a suficiência da rede e o período de treinamento, e se existe alguma conexão entre eles. É por isso que entrei nesta linha. Talvez alguém possa sugerir algo.
Há um erro cumulativo raiz-meios-quadrado. Pode ser comparado para diferentes redes. E usá-lo para determinar se ele aprende alguma coisa.
Erro de quê?
Erro de quê?
Saída, é claro.
E se a produção não for prevista, então como?
Estou um pouco atrapalhado. Otimização em uma grande amostra. Eu recebo o drawdown para estar abaixo do lucro líquido. Depois reduzo a amostra e adiciono um último neurônio de refino. Eu poderia estar errado. Vou postar um exemplo.