文章 "深度神经网络(第八部分)。 提高袋封融合的分类品质"
感谢作者所做的有趣工作。
只有一个问题与作者无关，而是一般分析的问题：
在金融工具的价格动态中，"噪音 "和 "非噪音 "的概念是一个非常主观的东西，就像分析行业现有的方法一样、
对 "噪音 "和 "趋势 "的概念没有明确的定义（例如，在脉冲均衡理论中，对这一问题的研究达到了一个新的高度）。
本文展示了在传统分析方法框架内的一些私人解决方案，但 "有所创新"--噪声集、阈值计算。因此--干得好！
感谢作者的精彩创作。
只有一个问题与作者无关，而是一般的分析问题：
在金融工具的价格动态中，"噪音 "和 "非噪音 "的概念是一个非常主观的东西，就像分析行业现有的方法一样、
对 "噪音 "和 "趋势 "的概念没有一个明确的定义（例如，在脉冲均衡理论中，这个问题已经在一个新的层面上得到了解决）。
本文展示了在传统分析方法框架内的一些私人解决方案，但 "有所创新"--噪声集、阈值计算。因此--做得好！
我同意，行话往往具有误导性。我特意把 "噪声 "例子这个词加了引号，并给出了一个简化的定义。重要的是，这种方法可以产生积极的结果。
祝你好运
非常有趣的材料。只是还不清楚这 一切能赚多少钱，到底能不能赚钱？
请在实践中检验。你需要的一切专家文章/资料都在这里。
祝您好运
非常有趣的材料。只是还不清楚这 一切能赚多少钱，它到底能不能赚钱？
弗拉基米尔，非常感谢你的精彩文章！
多亏了这些文章，我才开始学习 R 语言。当然，对于一个 "非程序员 "来说，这篇文章并不是开始编程和交易的好地方，但我已经参与其中了。）
我知道我需要从终端向 "#---test-aver--------"块输入新数据。我想到了 GetThreshold 函数。它可以在测试过程中偷看正确答案，以确定连续集合预测的最佳分离阈值。
您认为有必要使用训练时获得的阈值，还是考虑 "战斗预测 "减去最后一个预测（目前还没有正确答案）后重新计算阈值？
在解决这些问题的过程中，我发现了一个特殊现象，即如果重新设计循环，预测的速度会快上好几倍。我想这将在测试 EA 时派上用场。
新文章 深度神经网络(第八部分)。 提高袋封融合的分类品质已发布：
本文研讨三种可用于提高袋封融合分类品质的方法，并对其效率进行了评估。 评估 ELM 神经网络超参数的优化效果，以及后期处理参数。
下图提供了所有计算的简化方案：它展示出阶段，用到的脚本和数据结构。
图例 11. 文章中主要计算的结构和顺序。
作者：Vladimir Perervenko