Pac-Man появилась на аркадных автоматах 22 мая 1980 года. На разработку игры ушло целых 17 месяцев — ни один проект прежде не требовал столько времени. Ровно 40 лет спустя компания NVIDIA представила нейросеть GameGAN, которая смогла воссоздать всю игру Pac-Man всего за 4 дня. GameGAN — это игровая генеративно-состязательная сеть (Generative...
哎呀。有趣的想法。根据模型对章节的描述程度，选择/区分系列的章节。只不过，我们怎样才能知道模型对这一系列的描述是糟糕的还是良好的。我们不能一目了然地获得相关性。但这里面有一些东西。问题/任务不是要预测，而是要改变系列的行为。
术语和它们的不明确性使生活更容易))))我的SB最初是在负数到正数的范围内，在无限的时间内，才有了规则。Wiener's立即在规则))))，显然这就是为什么它更接近。))
基本上，通常的matstat是对统计假设 的测试。例如，我们只有两种可能的模型之一--SB或Ornstein-Uhlenbeck，那么我们就有一个区分两种假设的问题，这可以通过著名的Dickey-Fuller检验来解决。
从本质上讲，通常的matstat是一种统计学上的假设检验。例如，让我们只有两种可能的模型之一--SB或Ornstein-Uhlenbeck，那么我们就有区分两种假设的问题，这可以通过著名的Dickey-Fuller检验来解决。
这是一个有效测试的最小足够面积的问题））））。但我看不出是怎么回事。DF检验静止性，如何将其应用于模型描述的正确性？
DF静止性检验，我们如何将其应用于模型描述的正确性？
严格来说，这是不正确的--它是针对不存在单位根的假设（这是无效假设）而进行的测试（这是备选假设）。任何非平稳性都与单位根的存在相同，这是不正确的--具有变化参数（发散）的Ornstein-Uhlenbeck过程的例子显然是非平稳的，但不是一个具有单位根的自回归过程。
它对我们的问题的适用性来自于我们的假设，即任何部分都是SB、Ornstein-Uhlenbeck或它们之间的切换部分。显然，P值检验的小值表明，Ornstein-Uhlenbeck比SB更合适，反之亦然。另一点是，我们的假设是只有两种选择可能，实际上可能并不适用，我们将不得不扩大模型的清单。
这是一个有效测试的最小足够情节的问题)。
这是一个复杂的非琐碎的问题，所以最好通过眼睛或选择来解决它)。
阿列克谢-尼古拉耶夫。
1）使用模型来预测价格。
一个随机模型如何能给出预测？它每次运行都会画出不同的轨迹。即使它是类似的。
以标准的方式--期望值和偏离它的给定值的概率。另一件事是，以SB为例，这种预测并没有什么意义。但对于一个静止的过程（或片状静止的）来说，它是有意义的。例如，对于Ornstein-Uhlenbeck过程（实际上是我写的），预测是返回到平均值。
严格来说，这是不正确的--它是针对没有单位根的假设（这是备选假设）进行的单位根测试（这是无效假设）。任何非平稳性都与单位根的存在相同，这是不正确的--具有变化参数（发散）的Ornstein-Uhlenbeck过程的例子显然是非平稳的，但不是一个具有单位根的自回归过程。
它对我们的问题的适用性来自于我们的假设，即任何部分都是SB、Ornstein-Uhlenbeck或它们之间的切换部分。显然，P值检验的小值表明，Ornstein-Uhlenbeck比SB更合适，反之亦然。另一点是，我们的假设是只有两种选择可能，实际上可能并不适用，我们将不得不扩大模型的清单。
这是一个复杂的、非琐碎的问题，所以最好通过眼睛或选择来解决）。
单位根是指发现多项式的根等于（或小于）统一的模数的条件，表示静止性。 即系列的宽度不超过某个走廊。在边上，多项式的根是1或-1。如果根数较大，系列就会变宽，如果根数较小，系列就在走廊里。这怎么能适用于该系统对该系列的描述程度。我们应该能够找到一个变量尽可能少的系统来正确描述这个系列。
存在两种状态的假设当然是错误的。同样，测量一个参数，某种程度的静止性也不能解决发现专家顾问开始失败的问题。有一个问题，就是一系列大规模的。在每个尺度上，系列的行为是不同的，大尺度的系列对小尺度的影响往往可以忽略不计，有时是至关重要的。一般来说，人们对如何将一个比例尺的系列特征应用于其他比例尺存在误解。
有时用眼睛或手做正确的设置可能会对结果产生相当大的影响))))。
https://3dnews.ru/1011653
我不明白什么是新的，新的NS被赋予了旧的NS的材料，它复制了旧的NS的结果的规则和算法。或者我错过了什么））））
我还是不明白什么是新的，如果新的NS被赋予了旧的NS的材料，它再现了旧的NS的结果的规则和算法。还是我错过了什么？)
按照我的理解，结果是新程序的书面代码，它在不向输入新的/任何数据的情况下再现游戏。
单位根是找到等于（或小于）统一模数的多项式的根的条件。 即系列的宽度不超过某个走廊。在边上，多项式的根是1或-1。如果根数越大，那么系列就越宽，如果越小，那么系列就在走廊里。
根的概念（特征多项式）只为自回归过程而定义。有理由认为任何稳态过程都是自回归的。也有非平稳的自回归过程。但还有很多过程不是静止的，也不是自回归的（而且不能以任何方式还原成它们）--对它们来说，关于根的推理根本就没有意义。
这怎么能适用于该系统对该系列的描述程度。
这是一个必要条件（但不是充分条件），而且它只在一个给定的双状态假设中起作用。如果不满足，那么说我们处理的是SB以外的系列是没有意义的（第二种状态的引入被证明是多余的--价格总是与SB相似）。如果它被满足，那么我们需要检查残差的正态性和独立性，参数与零的差异的重要性，等等。
很好，我们应该找到一个具有最小变量数的系统，足以正确描述该系列。
嗯，是的，从它们的最小值开始，逐渐增加，意识到在某些时候，由于参数丰富的过度拟合，一切都将被完美 "描述"。