交易中的机器学习：理论、模型、实践和算法交易 - 页 1734 1...172717281729173017311732173317341735173617371738173917401741...3399 新评论 Реter Konow 2020.04.22 13:34 #17331 mytarmailS: 嗯，是的，图片中的猫是不同的，但网络可以识别它们，并以某种方式将它们与狗区分开来 ... 读一些关于模式识别、卷积网络的原理，它们是如何工作的，等等。你的问题非常不成熟，当你读了这些问题后，你会明白它们的愚蠢。 你的答案也不成熟。再次说明：被破坏的物体与整体的差异太大，因此其图像中的熵不能通过增加训练样本来克服。这个样本可能变得无限大或与其他样本混在一起。这甚至对我来说都很明显。 mytarmailS 2020.04.22 13:49 #17332 标签 Konow: 你的答案也不是很成熟。再一次，被破坏的物体与整体差别太大，因此其图像中的熵不能通过增加训练样本来克服。这个样本可能变得无限大或与其他样本混在一起。这一点甚至对我来说都很明显。 很明显，但不是很明显 ))如果你想训练一个网络来识别一个被毁坏的房子，那就在被毁坏的房子上训练它。 不要给它一个完整的房子，然后想知道它如何表现一个被毁坏的房子......很明显！！！。 这也是我从一开始就说的。 mytarmailS:谁在乎房子是否坏了，网络学什么就学什么 Valeriy Yastremskiy 2020.04.22 13:54 #17333 mytarmailS: 很明显，但不是很明显）。如果你想训练一个网络来识别一个被毁坏的房子，你就在被毁坏的房子上训练它。 你不会给它一整栋房子，然后想知道它如何表现一个被毁坏的房子......这是显而易见的！！！释放科诺。 Retag Konow: 你的答案也不是很成熟。再一次，一个被破坏的物体与整体的差异太大，所以它的表示中的熵不能通过增加训练样本来克服。这个样本可能变得无限大或与其他样本混在一起。这一点甚至对我来说都很明显。 实际上，砖墙破坏的算法及其可视化在很久以前就已经完成了，问题在于对破坏因素的了解，如果我们知道这些因素，房子就可以恢复了))))。 Реter Konow 2020.04.22 14:01 #17334 mytarmailS: 很明显，但不是很明显）。如果你想训练一个网络来识别一个被毁坏的房子，你就在被毁坏的房子上训练它。 你不会给它一整栋房子，然后想知道它如何表现一个被毁坏的房子......很明显！！！。 这也是我从一开始就说的。 mytarmailS:房子破不破有什么区别，网络学到的是什么？ 发挥一下你的想象力吧。破坏房屋的行为能有多少种变化？无限的。这意味着你可以教它识别一种或多种类型的破碎家庭，但不是所有的。如果事先不知道破坏的形式，那么训练网络并希望它遇到的倒塌的房屋能符合训练样本的意义何在？因此，该网络将以随机的、波动的成功和不可预测的识别比例来运作。 我认为需要一种不同的方法。 Реter Konow 2020.04.22 14:04 #17335 瓦列里-亚斯特雷姆斯基。 其实，破坏砖墙的算法及其可视化很早以前就有了，问题是要知道破坏的因素，如果我们知道这些因素，那么房子就恢复了))))。 熵是对任何塌陷物体中存在的混乱的衡量。将整体从混乱的状态中恢复过来是对熵的斗争。但是，我们有一个公式吗？我们是这样做的，这个公式就是情报。它从各个部分组装出一个单一的图像，绕过了混乱和无序。它将各部分组合成一个方程式，并得到整个物体的结果。 结论：智力在识别中使用NS，但对学习样本没有线性依赖。通过与智力共生，NS的效率成倍提高。 mytarmailS 2020.04.22 14:09 #17336 Retrog Konow: 它从这些碎片中组合出一个单一的图像。 绕过混乱和无序。 他把各部分组合成一个方程式，并得到整个主题的结果。 谱系分析！！！ :) Реter Konow 2020.04.22 14:10 #17337 mytarmailS: 谱系分析！！！ :) 算是吧......)) Maxim Dmitrievsky 2020.04.22 14:11 #17338 mytarmailS: 随心所欲，但求无过 想看 它不起作用）但它很有趣... 我的工作比另一个好。 mytarmailS 2020.04.22 14:12 #17339 马克西姆-德米特里耶夫斯基。 总之，这个方法不起作用）但很有趣...... 我的效果更好，那就是 悲伤 ) 滞后性增加了吗，每一分钟都太过单薄可 Rorschach 2020.04.22 14:18 #17340 Mihail Marchukajtes: 你只需要检查一下方法。我试着自己处理，我永远不会做，可能需要太长的时间，我已经回忆起了R，我在寻找它的时候做了四个小时的数据记录，我没有任何人给我建议。而我做的事情百分之百会有很多错误。而我必须在R中创建一个实现上述整个算法的脚本，并在现实生活中检查它。即使是最难的参数TC，如 "WARRANTY "将是5分中的3分已经可以获得。 本来已经知道怎么做了。而我最多只能预测到1个拐点，并对每个小节进行重新训练。 我将这一任务分为3个部分：数据准备、分解为组件和预测。我知道如何做前两个，但预测是个问题。我想用NS，但这是一个开放的领域，此外，从NS开始我就没有从事过。 如果我想快速玩玩，我可以使用向导，用 这些指标 进行预测。应在优化器中调整参数。 我不明白，这些Lysaju数字显示了什么，在扩张中的两个组成部分之间的关系？也就是说，在扩张中有两个成分，一个相对于另一个移位了？有条件的sin和cos。那是多余的，你可以用不同的初始阶段的东西来代替它。 1...172717281729173017311732173317341735173617371738173917401741...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
嗯，是的，图片中的猫是不同的，但网络可以识别它们，并以某种方式将它们与狗区分开来 ...
读一些关于模式识别、卷积网络的原理，它们是如何工作的，等等。你的问题非常不成熟，当你读了这些问题后，你会明白它们的愚蠢。
你的答案也不成熟。再次说明：被破坏的物体与整体的差异太大，因此其图像中的熵不能通过增加训练样本来克服。这个样本可能变得无限大或与其他样本混在一起。这甚至对我来说都很明显。
你的答案也不是很成熟。再一次，被破坏的物体与整体差别太大，因此其图像中的熵不能通过增加训练样本来克服。这个样本可能变得无限大或与其他样本混在一起。这一点甚至对我来说都很明显。
很明显，但不是很明显 ))如果你想训练一个网络来识别一个被毁坏的房子，那就在被毁坏的房子上训练它。 不要给它一个完整的房子，然后想知道它如何表现一个被毁坏的房子......很明显！！！。
这也是我从一开始就说的。
mytarmailS:谁在乎房子是否坏了，网络学什么就学什么
很明显，但不是很明显）。如果你想训练一个网络来识别一个被毁坏的房子，你就在被毁坏的房子上训练它。 你不会给它一整栋房子，然后想知道它如何表现一个被毁坏的房子......这是显而易见的！！！释放科诺。
Retag Konow:
你的答案也不是很成熟。再一次，一个被破坏的物体与整体的差异太大，所以它的表示中的熵不能通过增加训练样本来克服。这个样本可能变得无限大或与其他样本混在一起。这一点甚至对我来说都很明显。
实际上，砖墙破坏的算法及其可视化在很久以前就已经完成了，问题在于对破坏因素的了解，如果我们知道这些因素，房子就可以恢复了))))。
很明显，但不是很明显）。如果你想训练一个网络来识别一个被毁坏的房子，你就在被毁坏的房子上训练它。 你不会给它一整栋房子，然后想知道它如何表现一个被毁坏的房子......很明显！！！。
这也是我从一开始就说的。
mytarmailS:房子破不破有什么区别，网络学到的是什么？
发挥一下你的想象力吧。破坏房屋的行为能有多少种变化？无限的。这意味着你可以教它识别一种或多种类型的破碎家庭，但不是所有的。如果事先不知道破坏的形式，那么训练网络并希望它遇到的倒塌的房屋能符合训练样本的意义何在？因此，该网络将以随机的、波动的成功和不可预测的识别比例来运作。
我认为需要一种不同的方法。
其实，破坏砖墙的算法及其可视化很早以前就有了，问题是要知道破坏的因素，如果我们知道这些因素，那么房子就恢复了))))。
熵是对任何塌陷物体中存在的混乱的衡量。将整体从混乱的状态中恢复过来是对熵的斗争。但是，我们有一个公式吗？我们是这样做的，这个公式就是情报。它从各个部分组装出一个单一的图像，绕过了混乱和无序。它将各部分组合成一个方程式，并得到整个物体的结果。
结论：智力在识别中使用NS，但对学习样本没有线性依赖。通过与智力共生，NS的效率成倍提高。
它从这些碎片中组合出一个单一的图像。
绕过混乱和无序。
他把各部分组合成一个方程式，并得到整个主题的结果。
谱系分析！！！ :)
谱系分析！！！ :)
算是吧......))
随心所欲，但求无过
想看
它不起作用）但它很有趣...
我的工作比另一个好。
总之，这个方法不起作用）但很有趣......
我的效果更好，那就是
悲伤 )
滞后性增加了吗，每一分钟都太过单薄可你只需要检查一下方法。我试着自己处理，我永远不会做，可能需要太长的时间，我已经回忆起了R，我在寻找它的时候做了四个小时的数据记录，我没有任何人给我建议。而我做的事情百分之百会有很多错误。而我必须在R中创建一个实现上述整个算法的脚本，并在现实生活中检查它。即使是最难的参数TC，如 "WARRANTY "将是5分中的3分已经可以获得。
本来已经知道怎么做了。而我最多只能预测到1个拐点，并对每个小节进行重新训练。
我将这一任务分为3个部分：数据准备、分解为组件和预测。我知道如何做前两个，但预测是个问题。我想用NS，但这是一个开放的领域，此外，从NS开始我就没有从事过。
如果我想快速玩玩，我可以使用向导，用 这些指标 进行预测。应在优化器中调整参数。
我不明白，这些Lysaju数字显示了什么，在扩张中的两个组成部分之间的关系？也就是说，在扩张中有两个成分，一个相对于另一个移位了？有条件的sin和cos。那是多余的，你可以用不同的初始阶段的东西来代替它。