Piligrimus是一个神经网络指标。

 

同时,我今天做了一个关于正式的neronal网络的指标的粗略草案。乍一看,它有机会成为一个好的指标。在任何情况下,它都有很大的改进潜力,我们可以大大增加平滑度并引入额外的信号。我正在对一个TS进行调试,不是一切都很顺利,我将没有时间进行认真的测试,并使用这个指标建立我的TS。

如果有人对这个指标感兴趣,而且会有认真的合作建议,并在此基础上创建TS,我准备为一个特定的策略完成它,这不会花费太多时间。

附加的文件:
 
同志,你的指标有什么意义...它类似于一个普通的平均值。
 
zfs >> :
同志,你的指标有什么意义...它类似于一个普通的平均值。

我想意义就在这个名字里 )

 
zfs >> :
同志,你的指标有什么意义...它类似于一个普通的平均值。

打开了代码--搞不清楚....))

 
zfs писал(а)>>
同志,你的指标有什么意义...它类似于一个普通的平均值。

任何平均数都意味着从当前的计算点开始有一个滞后性...

 
zfs писал(а)>>
同志,你的指标有什么意义...>>它类似于一个普通的平均值。

这一发展的重点是创建一个具有良好平滑性和最小滞后的指标。这个指标只是一个起点,一个我决定实施的战略草案。在许多文章中,我描述了我创建指标的方法,在这篇文章中,我决定将我工作的这一方向的材料加以概括,我将在未来展示这一指标发展的结果,因为我正在发展这一战略。我想这个话题的大多数读者都没有处理过形式化的神经网络,而我却经常提到它们。

forte928: 你是对的,这正是我打算挣扎的地方。用普通的Mashas很难做任何事情,当在神经网络上实现时,当预测元素和补偿反馈系统被嵌入到算法中时--就有机会获得体面的性能。

卢卡:这也是这种方法的优点之一。在保护和编码方法上不需要很复杂,即使在开放源码中,也不可能解开策略。

 
Piligrimm,给 "形式化的神经网络"下个定义,这更能说明问题。
 
Integer писал(а)>>
Piligrimm,给 "形式化的神经网络"下个定义,这更能说明问题。

在这种情况下,我使用PolyAnalyst软件包进行开发,它允许我在训练神经网络后,将输入和输出之间的关系表示为多项式,这个多项式就是形式化的神经网络。

 
Piligrimm >> :

在这种情况下,我使用PolyAnalyst软件包进行开发,它允许我在训练神经网络后,将输入和输出之间的关系表示为多项式,这个多项式就是形式化的神经网络。

漂亮的话语并不能使图片更健全,你所提供的东西很难让人觉得有意义。一切都应该有一个关于输入和输出的意识。显然,它是在那里和那里失踪的。

 
zfs писал(а)>>
同志,你的指标有什么意义...它类似于一个普通的平均值。

事实上,巴特沃斯的二阶LPF(红线)与你的神经网络滤波器相比,结果并没有差很多。顺便问一下,代码中的NS在哪里,为什么你的孩子会重画?这是个反问句。既然通过重绘,我们在故事上看到的东西与现实不符,那么真正的问题就出现了:为什么你要向我们展示并不真实存在的东西?

 
Neutron >> :

事实上,巴特沃斯的二阶LPF(红线)并没有显示出更差的结果

你能告诉我在哪里可以得到巴特沃斯LPF吗?