Поиск произвольного паттерна с помощью нейросети - страница 6

Новый комментарий
 
Пётр, после того как ознакомитесь с сетями, взгляните на свёрточные сети.
 
Реter Konow:

Одно дело распознавать по ценовым данным, другое - по цветовым. Все таки, совершенно разные подходы и механизмы.

Вы считаете, что для ПК есть смысл в цветовой схеме графика? )))

ладно, сдаюсь, иначе так и будете меня смешить )))

для НС, да и вообще для любого алгоритма взаимодействия с ПК все данные будут представлены в виде массивов (память или массивы тут не важно)

и что Вы будете обучать НС массивам OHLC, что массивам битовых масок скриншота - ни какой разницы,

.....хотя вот в машинном обучении и есть некий "фокус", что данные и конфигурация и тип НС может иметь значение - но тут больше случайность рулит ;)

 
Igor Makanu:

Вы считаете, что для ПК есть смысл в цветовой схеме графика? )))

ладно, сдаюсь, иначе так и будете меня смешить )))

для НС, да и вообще для любого алгоритма взаимодействия с ПК все данные будут представлены в виде массивов (память или массивы тут не важно)

и что Вы будете обучать НС массивам OHLC, что массивам битовых масок скриншота - ни какой разницы,

.....хотя вот в машинном обучении и есть некий "фокус", что данные и конфигурация и тип НС может иметь значение - но тут больше случайность рулит ;)

Без сомнения, Вы больше меня понимаете в МО, но тут логическая неувязка. Данные OCHL и данные скрина паттерна - это принципиально разные данные на уровне компьютера. В случае цены - это double, в случае цвета - uint. В случае OCHL нужно анализировать соотношение величин ценовых параметров баров, а в случае с картинкой - соответствие искомому образу. Обучение данными OCHL это поиск числовых, а не графических закономерностей (которые понятно, тоже числа для сети). А обучение графическим паттернам использует совсем другой материал и метод. Возможно, поиск графического паттерна через числовой паттерн неверно. Думаю, это разные подходы обучения и распознания.  
 
Aliaksandr Hryshyn:
Пётр, после того как ознакомитесь с сетями, взгляните на свёрточные сети.
Взгляну.
 

Матерь божья!


 
Да и объем данных OCHL одного паттерна ~ 10 или 100 чисел, а графического образа ~ 300*300 значений цветов пикселей. 
 
Dmitry Fedoseev:

Матерь божья!


Не бейте себя столько раз по лбу, каждый ошибается.))
 
Реter Konow:
Не бейте себя столько раз по лбу, каждый ошибается.))

Но не каждый так упирается.

 
Igor Makanu:

увы, Вы не исправим!

компу пофиг что обрабатывать, - он в итоге даже не знает, что ему дали, хоть картинку, хоть данные по ядреным бомбам, хоть ОХЛС... числа они и в Африке числа!

даже не знаю как еще объяснить, что нет в Пк ничего умного - это тупая железка, что дашь ему в алгоритм, то и будет обрабатывать в алгоритме!

так объяснил?

))))

По вашему, НС это такая "волшебная палочка", которой что ни дашь, всегда получишь  что нужно? Не важно какие данные, не важно какого объема. Это же все числа...

Тогда не понимаю, где алгоритм находящий паттерны? Где эта "всемогущая" НС? Столько времени изучают МО, а в арсенале МТ до сих пор нет этого "распознавателя паттернов".

 
Dmitry Fedoseev:

Но не каждый так упирается.

Вы как специалист можете сделать НС, которая распознает хотя бы 5 паттернов на любом графике и таймфрейме?
12345678910
Новый комментарий
Причина обращения: