交易中的机器学习：理论、模型、实践和算法交易 - 页 1512

新评论
 
凯沙-鲁托夫。

事实上，有时我很羡慕马克斯-杰尼森科，他的依附地位，有时你在工作中感到非常厌烦，以至于神经抽搐，你在凌晨3点回家，你没有时间陪你的妻子或孩子，你只是去睡觉，昏昏欲睡，你在8点又起床，如此循环下去......

好了，你不应该繁殖，你还不应该有女人。你必须先成长为一个男人。等你长大了，你就不需要再写废话了。但是，当你试图通过任何手段来改变事情时，你更有可能在监狱或精神病院里结束。 因为在你的情况下，它是如此明显。对了，先不要为自己创造偶像，否则桑尼奇就会被打嗝弄烦。

 
什么是跨多个符号的网格的同时训练，即在多个符号上使用相同的网格参数（权重）时？
 
安德烈-迪克
在几个符号上同时训练一个网格，即当一个网格的相同参数（权重）被用于几个符号时，其名称是什么？

我会称其为 "缩减学习"，或 "缩减学习"，为求重要，等待佩尔韦连科或杰尼森科的 "缩减学习 "文章，用先进的OOP（>5个继承深度），90%的准确率和测试中相同（相等）的利润和缩减比例，或像过去的好日子一样，没有任何测试，都在Lern和martin，一个纯指数）)

 
凯沙-鲁托夫。

我会称其为 "平仓学习"，或 "平仓学习"，为求重要，等待佩尔韦连科或杰尼森科的 "平仓学习 "文章，用高级的OOP（至少5个继承深度），90%的准确率和测试中相同（相等）的利润和平仓比例，或像过去的好日子一样，没有任何测试，都在Lern和martin，一个纯指数））。

但重点是什么？

 
Andrey Dik:

但在商业上呢？

在商业中，通常应该是这样的，在输入端有一个以某种方式预处理的BP "束"，在输出端有一个每个BP的未来属性的向量。但为此我们需要同步系列，不能从交易中心得到它们，应该自己做，轻微的不同步会给人一个测试者的圣杯，但真正的交易会失败。

 
安德烈-迪克
什么是在多个符号上同时进行网格学习，即在多个符号上使用相同的网格参数（权重）时？

转移学习 mb

 
马克西姆-德米特里耶夫斯基。

转移学习mb.

我需要马上写一篇关于"缩减学习 " 的文章。

迁移学习 是指在一个数据集或算法上训练出来的选定的（通常是前1-2层）神经元/层被用作另一个网格的备用部分，它被用来为图片定型。

 
凯沙-鲁托夫。

在业务中，通常应该是这样的，一个以某种方式预处理的BP "束"，在输出端为每个BP提供一个未来属性的向量。但这需要同步的行，你不能从DC得到它，你必须自己建立它，稍微去掉同步，你就能得到一个测试者的圣杯，但真正的圣杯会失败。

如果我想使用同步系列，我就不会有这样的问题，因为我没有连接到TP，至少我是这样。

 
马克西姆-德米特里耶夫斯基。

转移学习mb.

这项活动的重点是确定稳定的模式（或你想称之为什么），它们是稳定的，因为它们在不同的BP上起作用，我在这个领域的胆小实验表明，这在原则上是可能的......并因此增加了稳健性（降低了拟合度）。

 
凯沙-鲁托夫。

我需要马上写一篇关于"缩减学习 " 的文章。

迁移学习 是指在一个数据集或算法上训练出来的选定的（通常是前1-2层）神经元/层作为备用部分被用于另一个网格，它被用于图片的风格化。

没有 "鼻涕虫"。

1...150515061507150815091510151115121513151415151516151715181519...3399
新评论