市场礼仪或雷区中的良好风度 - 页 67 1...606162636465666768697071727374...104 新评论 [删除] 2009.06.14 10:08 #661 Neutron >> : 是的，我能说什么呢？请继续！ 阅读《帕斯图霍夫》。他的博士论文。 你会感到惊讶的。 我找不到它。你能不能给我一个链接，我想审查这项工作。虽然我通常不读论文，因为很清楚它们是为了什么而写的，但尽管如此，我还是希望有一些思考的食物，为我的创造性危机：) Neutron 2009.06.14 10:13 #662 当然，真正聪明的人是那些没有写过论文的人!只有他们在这个世界上做真正的事情。而那些在一生中哪怕只写过一次这部作品的人，在那之后就不是人了--明显的吸血者、巴塔尼克和傻瓜!而电视和手机是由帅哥和美女发明的......或者不是，他们只使用这些手机，根本不看电视......我很困惑。而事实上，如果不知道飞机的强度，你就无法建造飞机，这样做行吗？而你不掌握它，就无法写出有弹性的矩阵，这就是一篇论文...... 所以，你 不读论文，不是因为清楚它们是为什么而写的，而是因为你不明白它们说的是什么! 没有冒犯的意思，好吗？ paralocus 2009.06.14 10:22 #663 所以，我们取一个单层的参数。 K=1, d=24+1,S(学习率)=0.01 我们可以看到，它的学习效果很好。 也就是说，据我所知，网络的学习 质量可以通过这张图来估计：分散度越小，平均误差的最终值越小，这些误差越接近对方--越好。 这种网格的工作方式如下。 也就是说，你可以看到，它不是很...提高学习速度：S=0.7 它看起来更好，但学习统计看起来很可疑。 问题。 1.问题：1、评估网络学习（可教性）的标准是什么？ 2.上面的例子可以被认为是一种配合吗？ 3.你说K的值是一个微妙的问题。下图显示了K<1时的网络学习，这看起来更有吸引力。 1: 会不会是市场型BP的训练向量的大小不是一个恒定值？ 最后，我的学习在这里完成了吗？ [删除] 2009.06.14 10:23 #664 Neutron >> : 当然，真正聪明的人是那些没有写过论文的人!只有他们在这个世界上做真正的事情。而那些在一生中哪怕只写过一次这部作品的人，在那之后就不是人了--明显的吸血者、巴塔尼克和傻瓜!而电视和手机是由帅哥和美女发明的......或者不是，他们只使用这些手机，根本不看电视......我很困惑。而事实上，如果不知道飞机的强度，你就无法建造飞机，这样做行吗？而你不掌握它，就无法写出有弹性的矩阵，这就是一篇论文...... 所以，你 不读论文，不是因为清楚它们是为什么而写的，而是因为你不明白它们说的是什么! 没有冒犯的意思，好吗？ 无意冒犯。但链接在哪里呢?:) Neutron 2009.06.14 10:32 #665 registred писал(а)>> 无意冒犯。但链接在哪里呢？) 在我的个人信息中平移了它。 把它填满! 对准焦点 我得考虑一下。 paralocus 2009.06.14 10:36 #666 顺便说一句，我也不明白论文中写的是什么，除了最一般的规定，尽管我诚实地试图理解它...... 悲伤。 [删除] 2009.06.14 10:39 #667 Neutron >> : 在私人信息中向我提示了这一点。 我一定是错过了。那里什么都没有。 Sceptic Philozoff 2009.06.14 10:48 #668 Neutron >> : 当然，真正聪明的人是唯一没有写过论文的人!只有他们在这个世界上做真正的事情。而那些在他们的生活中至少有一次写了这部作品的人--在那之后就没有人了--明显的吸血者、巴塔尼克人和傻瓜!如果没有在特定领域的工作，就不可能写出这样的文章，而且这已经是论文了......。 俄罗斯数学家欧拉是我的偶像，他写了大约800篇论文，其中每一篇都像现代论文一样重要和新颖。 Neutron 2009.06.14 10:57 #669 paralocus писал(а)>>1.评估网络的学习能力的标准是什么？ 2.所举的例子能被认为是合适的吗？ 3.你说，K值是一个微妙的问题。 K因子 真的不像我预期的那样简单。此外，Ezhev得到了一个关于训练向量的最佳长度的估计，作为NS的权重和输入数量的函数。他通过解决NS的特征空间中的熵最小化问题而获得。他没有给出解决方案，只给出了一个现成的答案P=w*w/d。事实上，我看到了以下情况。 这就是两片式的学习动态。第一个是P=d， 第二个是P=w...。结果是一样的，考虑到学习速度对训练向量P 的长度的依赖性，第一个变体看起来更有吸引力!简而言之，我不明白... 如果我们能掌握 mathemata 并要求它正确地解决问题就好了。这将是非常好的。因此，我们将不得不收集实验数据，即以经验性的方式行动。看起来，训练向量长度的最佳值位于 P=d 的条件附近。 估算网络工作能力的一个很好的标准是它在MTS内核中的操作，但在调试阶段，我们可以使用上面提供的产量估算--斜率切线与仪器波动率的乘积。例如，下面是这种估计作为一个单层的入口尺寸的函数的情况。 这是一系列500次实验的平均结果。你可以看到，在进场维度为10的情况下，这个女孩的表现在统计学上超过了价差！如果这在另一个报价样本中得到证实（例如一个月后），你就可以安全地进行交易了。把你的结果带到这个视图。我们来讨论一下。然后我们将叠加双层数据，看看有什么不同... 至于学习，我相信我自己也在学习，感谢这些与你和参与对话的论坛成员的对话，这个过程是无止境的......我希望如此。 注册 写道>> 错过了。那里什么都没有。 什么，没有主题。或者只是一个文件？ [删除] 2009.06.14 11:01 #670 没有，个人的根本没有。 1...606162636465666768697071727374...104 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
是的，我能说什么呢？请继续！
阅读《帕斯图霍夫》。他的博士论文。
你会感到惊讶的。
我找不到它。你能不能给我一个链接，我想审查这项工作。虽然我通常不读论文，因为很清楚它们是为了什么而写的，但尽管如此，我还是希望有一些思考的食物，为我的创造性危机：)
当然，真正聪明的人是那些没有写过论文的人!只有他们在这个世界上做真正的事情。而那些在一生中哪怕只写过一次这部作品的人，在那之后就不是人了--明显的吸血者、巴塔尼克和傻瓜!而电视和手机是由帅哥和美女发明的......或者不是，他们只使用这些手机，根本不看电视......我很困惑。而事实上，如果不知道飞机的强度，你就无法建造飞机，这样做行吗？而你不掌握它，就无法写出有弹性的矩阵，这就是一篇论文......
所以，你 不读论文，不是因为清楚它们是为什么而写的，而是因为你不明白它们说的是什么!
没有冒犯的意思，好吗？
所以，我们取一个单层的参数。
K=1, d=24+1,S(学习率)=0.01 我们可以看到，它的学习效果很好。
也就是说，据我所知，网络的学习 质量可以通过这张图来估计：分散度越小，平均误差的最终值越小，这些误差越接近对方--越好。
这种网格的工作方式如下。
也就是说，你可以看到，它不是很...提高学习速度：S=0.7
它看起来更好，但学习统计看起来很可疑。
问题。
1.问题：1、评估网络学习（可教性）的标准是什么？
2.上面的例子可以被认为是一种配合吗？
3.你说K的值是一个微妙的问题。下图显示了K<1时的网络学习，这看起来更有吸引力。
1:
会不会是市场型BP的训练向量的大小不是一个恒定值？
最后，我的学习在这里完成了吗？
当然，真正聪明的人是那些没有写过论文的人!只有他们在这个世界上做真正的事情。而那些在一生中哪怕只写过一次这部作品的人，在那之后就不是人了--明显的吸血者、巴塔尼克和傻瓜!而电视和手机是由帅哥和美女发明的......或者不是，他们只使用这些手机，根本不看电视......我很困惑。而事实上，如果不知道飞机的强度，你就无法建造飞机，这样做行吗？而你不掌握它，就无法写出有弹性的矩阵，这就是一篇论文......
所以，你 不读论文，不是因为清楚它们是为什么而写的，而是因为你不明白它们说的是什么!
没有冒犯的意思，好吗？
无意冒犯。但链接在哪里呢?:)
无意冒犯。但链接在哪里呢？)
在我的个人信息中平移了它。
把它填满!
对准焦点
我得考虑一下。
在私人信息中向我提示了这一点。
我一定是错过了。那里什么都没有。
当然，真正聪明的人是唯一没有写过论文的人!只有他们在这个世界上做真正的事情。而那些在他们的生活中至少有一次写了这部作品的人--在那之后就没有人了--明显的吸血者、巴塔尼克人和傻瓜!如果没有在特定领域的工作，就不可能写出这样的文章，而且这已经是论文了......。
俄罗斯数学家欧拉是我的偶像，他写了大约800篇论文，其中每一篇都像现代论文一样重要和新颖。
1.评估网络的学习能力的标准是什么？
2.所举的例子能被认为是合适的吗？
3.你说，K值是一个微妙的问题。
K因子 真的不像我预期的那样简单。此外，Ezhev得到了一个关于训练向量的最佳长度的估计，作为NS的权重和输入数量的函数。他通过解决NS的特征空间中的熵最小化问题而获得。他没有给出解决方案，只给出了一个现成的答案P=w*w/d。事实上，我看到了以下情况。
这就是两片式的学习动态。第一个是P=d， 第二个是P=w...。结果是一样的，考虑到学习速度对训练向量P 的长度的依赖性，第一个变体看起来更有吸引力!简而言之，我不明白...
如果我们能掌握 mathemata 并要求它正确地解决问题就好了。这将是非常好的。因此，我们将不得不收集实验数据，即以经验性的方式行动。看起来，训练向量长度的最佳值位于 P=d 的条件附近。
估算网络工作能力的一个很好的标准是它在MTS内核中的操作，但在调试阶段，我们可以使用上面提供的产量估算--斜率切线与仪器波动率的乘积。例如，下面是这种估计作为一个单层的入口尺寸的函数的情况。
这是一系列500次实验的平均结果。你可以看到，在进场维度为10的情况下，这个女孩的表现在统计学上超过了价差！如果这在另一个报价样本中得到证实（例如一个月后），你就可以安全地进行交易了。把你的结果带到这个视图。我们来讨论一下。然后我们将叠加双层数据，看看有什么不同...
至于学习，我相信我自己也在学习，感谢这些与你和参与对话的论坛成员的对话，这个过程是无止境的......我希望如此。
错过了。那里什么都没有。
什么，没有主题。或者只是一个文件？
没有，个人的根本没有。