交易中的机器学习：理论、模型、实践和算法交易 - 页 2019 1...201220132014201520162017201820192020202120222023202420252026...3399 新评论 Mikhail Mishanin 2020.10.13 14:52 #20181 Aleksey Vyazmikin: 你可以亲自去做。 好吧，你去那里，情景悖论，我不能进入邮箱）网站有故障。如果成功了，我会写信给你和马克西姆。 Farkhat Guzairov 2020.10.13 14:54 #20182 Maxim Dmitrievsky: 并不复杂，你只需要弄清楚。你根本不需要任何动力。我可以在笔记本电脑上学习LSTM，不需要任何显卡，只需几分钟。关于权力是一个神话。))，嗯...值得商榷的说法。... Обучение закончено... ============ Обучение заняло(миллисекунд): 26832. Эпох: 2693 =========== eta: 0.0100, alpha: 0.0050 max_long_result: 0.9986, max_short_result: 0.9996 min_long_result: 0.9979, min_short_result: 0.9950 在MQL中进行同样的操作需要10分钟或更长时间。如果主机的处理器或处理器本身有更多的内核，那么速度可以提高）））。 Maxim Dmitrievsky 2020.10.13 15:19 #20183 Farkhat Guzairov: ))，嗯...有争议的论断。 用MQL进行同样的操作需要10分钟或更长时间。如果主机的CPU或处理器本身有更多的内核，速度可以提高）））。 30秒内完成2700个历时的速度太快了 Aleksey Vyazmikin 2020.10.13 19:58 #20184 dr.mr. mom: 好了，你去吧，情景悖论，我不能进入我的个人信息）网站出现了故障。等事情弄清楚了，我会给你和马克西姆写信。 我给你写过信，信息是否传达到了？ Farkhat Guzairov 2020.10.13 20:03 #20185 Maxim Dmitrievsky: 在30秒内完成2700个epochs是太快了。 数据是不够的，数组好像有400个深度，但如果你把它加载到深度历史上，即使是带线程的C++也会太慢))))，但最可悲的是，最后你无法得到一个训练有素的系统，我有一个30000epoch的阈值，它停止训练，但你知道它不是训练好的狗屎，为什么这么...我认为这是因为碰撞，也就是说，在我看来，有一组数据在一种情况下说模型是短的，而在另一种情况下，这个相同的模型出现在一个长的，如果是这样，那就是我的错，但我没有时间去处理它（（。正因为如此，我简单地减少了用于训练的输入数据集。 Aleksey Vyazmikin 2020.10.13 20:08 #20186 Maxim Dmitrievsky: 人......在你能理解的意义上，这并不复杂通常，几层就够了，你不需要在外汇方面有太多的深度。只是在架构上，有更先进的网络用于vr，比lstm更酷。可以从那里获利，还没有测试。所有的 "经典"，如boostings和perseptrons，根本就不适合于VR。 是否需要更多的层次，只能根据所取得的结果来判断，我想...... 还有哪些网络，你能说出它们的名字吗--我对网络的品种一点也不擅长。 我可以给你一个时尚网络的样本吗？ Maxim Dmitrievsky 2020.10.13 20:19 #20187 Farkhat Guzairov: 数据很小，数组好像有400个深度，但如果我把它加载到深度历史上，即使有线程的C++也会陷入混乱))))，但最可悲的是，最后我无法得到一个训练有素的系统，我有30000 epoch的里程碑，它停止训练，但你明白它不是训练有素的狗屎，为什么它是这样...我认为这是因为碰撞，也就是说，在我看来，有一组数据在一种情况下说模型是短的，而在另一种情况下，这个相同的模型出现在一个长的，如果是这样，那就是我的错，但我没有时间去处理它（（。正因为如此，我干脆减少了用于训练的输入数据集。 为什么要有这么多的历时......通常1000个甚至100个就足够了，因为动态循环率。 Maxim Dmitrievsky 2020.10.13 20:20 #20188 Aleksey Vyazmikin: 是否需要更多的层次，只能根据所取得的成果来判断，我想......还有哪些网络，你能说出它们的名字吗--我对网络的变化一点也不擅长。我可以给你一个样本，让你在某种花哨的网络中运行吗？我只是在学习神经网络。我已经在这里写过了。它们是新的卷积和变换器等等，大多用于语言和声音处理。 他们的数据集是以特殊的方式准备的，普通的数据集将无法工作。 Aleksey Vyazmikin 2020.10.13 21:09 #20189 Maxim Dmitrievsky: 我只是在学习神经网络。我已经在这里写过了。这些是新的卷积和变换器等等，主要用于语言和声音处理。 他们有特殊的数据集，普通的数据集是不行的。 如果你知道如何准备，你可以做到... Farkhat Guzairov 2020.10.13 21:10 #20190 Maxim Dmitrievsky: 为什么要有这么多的历时......通常是1000个甚至100个，有一个动态的学习率 目标是获得最大的训练精度，即精度达到1。由于主权重是随机设置的，有时epochs可能小于1000。 1...201220132014201520162017201820192020202120222023202420252026...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
你可以亲自去做。
好吧，你去那里，情景悖论，我不能进入邮箱）网站有故障。如果成功了，我会写信给你和马克西姆。
并不复杂，你只需要弄清楚。
你根本不需要任何动力。我可以在笔记本电脑上学习LSTM，不需要任何显卡，只需几分钟。关于权力是一个神话。
))，嗯...值得商榷的说法。
在MQL中进行同样的操作需要10分钟或更长时间。如果主机的处理器或处理器本身有更多的内核，那么速度可以提高）））。))，嗯...有争议的论断。
用MQL进行同样的操作需要10分钟或更长时间。如果主机的CPU或处理器本身有更多的内核，速度可以提高）））。30秒内完成2700个历时的速度太快了
好了，你去吧，情景悖论，我不能进入我的个人信息）网站出现了故障。等事情弄清楚了，我会给你和马克西姆写信。
我给你写过信，信息是否传达到了？
在30秒内完成2700个epochs是太快了。
数据是不够的，数组好像有400个深度，但如果你把它加载到深度历史上，即使是带线程的C++也会太慢))))，但最可悲的是，最后你无法得到一个训练有素的系统，我有一个30000epoch的阈值，它停止训练，但你知道它不是训练好的狗屎，为什么这么...我认为这是因为碰撞，也就是说，在我看来，有一组数据在一种情况下说模型是短的，而在另一种情况下，这个相同的模型出现在一个长的，如果是这样，那就是我的错，但我没有时间去处理它（（。正因为如此，我简单地减少了用于训练的输入数据集。
人......在你能理解的意义上，这并不复杂
通常，几层就够了，你不需要在外汇方面有太多的深度。
只是在架构上，有更先进的网络用于vr，比lstm更酷。可以从那里获利，还没有测试。所有的 "经典"，如boostings和perseptrons，根本就不适合于VR。
是否需要更多的层次，只能根据所取得的结果来判断，我想......
还有哪些网络，你能说出它们的名字吗--我对网络的品种一点也不擅长。
我可以给你一个时尚网络的样本吗？
数据很小，数组好像有400个深度，但如果我把它加载到深度历史上，即使有线程的C++也会陷入混乱))))，但最可悲的是，最后我无法得到一个训练有素的系统，我有30000 epoch的里程碑，它停止训练，但你明白它不是训练有素的狗屎，为什么它是这样...我认为这是因为碰撞，也就是说，在我看来，有一组数据在一种情况下说模型是短的，而在另一种情况下，这个相同的模型出现在一个长的，如果是这样，那就是我的错，但我没有时间去处理它（（。正因为如此，我干脆减少了用于训练的输入数据集。
为什么要有这么多的历时......通常1000个甚至100个就足够了，因为动态循环率。
是否需要更多的层次，只能根据所取得的成果来判断，我想......
还有哪些网络，你能说出它们的名字吗--我对网络的变化一点也不擅长。
我可以给你一个样本，让你在某种花哨的网络中运行吗？
我只是在学习神经网络。我已经在这里写过了。它们是新的卷积和变换器等等，大多用于语言和声音处理。
他们的数据集是以特殊的方式准备的，普通的数据集将无法工作。我只是在学习神经网络。我已经在这里写过了。这些是新的卷积和变换器等等，主要用于语言和声音处理。
他们有特殊的数据集，普通的数据集是不行的。如果你知道如何准备，你可以做到...
为什么要有这么多的历时......通常是1000个甚至100个，有一个动态的学习率
目标是获得最大的训练精度，即精度达到1。由于主权重是随机设置的，有时epochs可能小于1000。