Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1967
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
мне еще сложней )
Во втором слое тоже можно добавить память в виде рекуррентных связей, но работает и без них. Значит память все-таки в 1-м.
мне еще сложней )
====
ассоциативная сеть
https://www.rdocumentation.org/packages/RSNNS/versions/0.4-2/topics/assoz
Это та же кластеризация , разве нет? а ассоциативный образ это прототип кластера
ну да, но здесь нет памяти о предыдущих действиях агента, это другое
пойду еще раз портянку прочту, потом код буду ковырять
ну да, но здесь нет памяти о предыдущих действиях агента, это другое
пойду еще раз портянку прочту, потом код буду ковырять
ну смотри, поразмышляем )
действие агента это образ , паттерн (кластер)
поледовательность действий (кластеров) это память
действия агента или что угодно можно представить в виде поледовательности кластеров
а вот паттерн типа "налить кофе" , но при этом "кофе должно быть уже сварено"
можно представить в виде петтерна переходов
ну смотри, поразмышляем )
действие агента это образ , паттерн (кластер)
поледовательность действий (кластеров) это память
действия агента или что угодно можно представить в виде поледовательности кластеров
не совсем так. Предыдущее действие агента + состояние среды (набор фичей) это паттерн (условное состояние). И предыдущее действие и фичи пихуются в 1 вектор.
но в нейронах нет явной инфы о последовательности пройденных паттернов вроде-бы, только через сохранение выходных сигналов. А там обрабатывался только 1 (текущий) паттерн. Т.е. более сложные условные состояния кодируются именно группой нейронов как-то.
Maxim Dmitrievsky:
И предыдущее действие и фичи пихуются в 1 вектор.
но в нейронах нет явной инфы о последовательности вроде-бы, только через сохранение выходных сигналов. А там обрабатывался только 1 паттерн.
Ну это можно свести и в один вектор, тем же umap. Я так 2к фичей сжимал )
Ну это можно свести и в один вектор, тем же umap. Я так 2к фичей сжимал )
ну значит наподобие этого этот слой и делает
ну значит наподобие этого этот слой и делает
Проблема не в том что бы сжать , а в том что там будут миллиарды разных последовательностей , 99.9% из них естестно мусор
В этом проблема, перед тем как сжать надо мусор выкинуть
А когда мусор выкинешь, то и сжимать уже ниче не надо ))
ну да, но здесь нет памяти о предыдущих действиях агента, это другое
пойду еще раз портянку прочту, потом код буду ковырять
По мне это не память, просто похоже на память, это новые данные результата работы НС, для квантования, к тому же уже разбитые по кластерам. И получается что система как бы помнит, а на самом деле она получает результативные данные в начало участка ВР. При этом это не повторные проходы, а с учетом движения вперед по данным. Вопрос как получает и как учитывает. Может быть и лишний нейрон для учета, или весовые данные.
https://cran.r-project.org/web/packages/glmdisc/vignettes/glmdisc.html
пакет для дискретизации (квантования) с учетом целевой
Спасибо, посмотрел. Опять игра в рандом, как я понял? Сами пробовали? Я вот не увидел, как сохранить условия разбиения потом в файл, что б применять при поступлении новых данных.