金融系列的神经预测（基于一篇文章）。 - 页 7

[Mihail Marchukajtes]

Vizard:

这是个黑盒子...

这是肯定的......哟，它本来或多或少是稳定的，但它不是....。.....

[TheXpert]

例如，告诉LeoV））。

[Mihail Marchukajtes]

那么，列奥尼德呢，他正在努力选择一种或另一种训练。当然，他在NS中的成绩令人印象深刻，所以他与stev wards在一起的时间不长....。在我看来，所有破碎的NS都涉及某种不稳定机制。在任何情况下，当试图训练他的图表时，我得到了一个完全不同的结果，尽管他的考特是一样的。不同的是，他有一个合法的NS，而我没有!!!!。

[Dmitry Fedoseev]

nikelodeon:

基本上，无论你想怎么称呼它...

明白了。这就像思考 "像昨天一样"，而不是像现在。

[Yury Reshetov]

Integer:

明白了。就像它想的是昨天的事，而不是现在的事。

一个神经网络按照它被教导的方式思考。而且你可以教它任何东西，包括：2 x 2 = 5。

我们正在建立一个有两个输入的网格。教导乘法表，其中，除了输入的2在输出时得到5，其他都是正确的。经过训练，我们得到一个2×2=5的神经网络。

[Dmitry Fedoseev]

Reshetov:

一个神经网络按照它被教导的方式思考。而且你可以教它任何东西，包括：2 x 2 = 5

这不是网络如何运作的问题，而是 "像昨天一样 "这句话在网络方面的含义。

[Alexey Burnakov]

而如果你给一个神经网络一个英文字母的符号序列，例如，来自莎士比亚的作品，并在输出端给出下一个符号（当然是它的编号），那么这个网络就会学会以概率方式产生下一个符号。在英语中，与俄语一样，字母的顺序也有规律可循。

[Yury Reshetov]

Integer:

这不是网络如何运作的问题，而是 "像昨天一样 "这句话在网络方面的含义。

昨天你教网友在趋势上交易，今天它成功地在横盘上暴跌。这并不罕见。而且你不可能把所有的东西都教给网友，比如说预测干预、波动性的突然变化等等。

[Mihail Marchukajtes]

Reshetov:
昨天你教网格员在趋势上进行交易，今天却成功地在横盘上抛出。这并不罕见。而且你不可能把所有的东西都教给网友，比如如何预测干预、波动性的突然变化，等等。

为什么呢，只是这种情况下的信号会是随机的。如果它是正确的.....，这只是运气，让我们说。但要在优化过程中找到那些在未来会起作用的参数，肯定是很难的....，找到它们并不难，难的是选择它们.....。

[Yury Reshetov]

nikelodeon:

为什么不呢，信号将只是随机的。

只在趋势部分训练的神经网络的信号不会是随机的，而是网络的训练 方式。也就是说，它将跟随运动并从侧面倾倒。