2. ГСЧ, как впрочем и СЧ, прогнозируется - зная предыдущий участок можно с определённой степенью точности прогнозировать значение на окончании следующего участка (числа не могут топтаться достаточно долго около одного значения - иначе это уже не будет являться рядом СЧ).
如果你坚定不移地站在格子里，寻找一个快的算法，在慢的算法之前。当然，我认为 :)
你怎么看，是网格的 优点还是学习算法的 问题？
你好!
不能以这样的方式来预测生活，以便在预测中赚钱。
但是："你无法出售灵感，但你可以出售手稿" :)
如果你牢牢扎根于网络--寻找一种快速的算法，这种算法先于慢速的算法。当然，我认为 :)
呃......啊......。ooo.....，请解释一下。 听起来超过了根本。 但不是很清楚。 喜欢速度算法，愿意去查，但不明白在哪里查。不要把这句话当作戏言，我是认真的。
快速算法的最大自由选择原则。采取的每一步，都允许最大限度地自由选择下一步的方向。
首先应用于电气工程（电机理论）。 以下是作者：http://www.uni-dubna.ru/departments/sustainable_development/Portal/Nauch_trudy_kafedry/Osnov_trudy/Kron/
当然，这并不容易......。但也不是很简单 :)
2. ГСЧ, как впрочем и СЧ, прогнозируется - зная предыдущий участок можно с определённой степенью точности прогнозировать значение на окончании следующего участка (числа не могут топтаться достаточно долго около одного значения - иначе это уже не будет являться рядом СЧ).
Mischek2:
笑话？挑衅？))就这样做了。
取了10,000个随机生成的数字。-1,0,1.就像价格下降了/停留在原地/增加了。
对于每一个-1,0,1，我在[-1.0;1.0]范围内再取3个随机生成的数字，并将其分别送入神经网络，网络应产生三个输出信号-1,0,1。如果答案正确，则+1，如果不正确，则答案之和为-1，答案之和就是训练用的FF，当然，我将其最大化。
这是为了培训。在虚拟交易的情况下，如果数组给出-1或1，我在买入或卖出时分别获胜，但如果数组给出0，我就赢了0。
所以我增加了一种 "零"，只不过是我这边的零。一句话--随机系列预测上的正向MO!
看一下粗体蓝线--正如你所看到的，它正在爬升!- 这是一个虚拟的余额增加，如果是亏损，则-1，如果是盈利，则1，如果是0，则0。
任何人都可以重复这种胡闹。并据此在实际交易中应用。:)
我这样做了。
取了10,000个随机生成的
也许伪 随机生成 会更正确。
报价单上也是这样的吗？
看起来像网格记住了随机生成器的表。
1.伪 随机生成 可能会更正确。
2.报价也是这样的吗？
3.网格似乎记得随机生成器的表格。
1.是的，正确。
2.它变得更加美好。试试吧，同志们，试试吧。对MO来说，唯一的加重因素是价差，所以你不能在几分钟内做到这一点。从M10开始就可以了。
3.7个隐藏神经元已经记住/"学会 "了随机表？- 所以电网已经内化了发电机的算法？- 这是不可能的。振荡器的周期远远超过10000。
1.是的，正确。
2.甚至更好。试试吧，同志们，试试吧。MO中唯一的加重因素是价差，这就是为什么你将无法在几分钟内掀起这样的波澜。从M10开始就可以了。
3.7个隐藏神经元已经记住/"学习 "了随机表？- 所以电网已经内化了发电机的算法？- 这是不可能的。发电机周期远远超过10000。
这是一个有趣的结果。你能详细说明一下网格的情况吗。
1.有多少层？我知道只有一个隐藏层有7个神经元。这样说对吗？
2.这些神经元被输入的输出是什么？-1，0，+1的价格变化？
3.有多少投入？
4.隐藏神经元的传递函数是什么？
5.网络是如何训练的？通过遗传学？
6.训练后的样本中有多少条？
7.所显示的结果是什么--正向测试？
8.随机数是 如何产生的？Mersenne twister mt19937?如果没有，那就试试这个生成器，肯定会有一个前向测试。比较结果将是非常有趣的。
有趣的结果。能否请你详细说明一下网。
1.有多少层？我知道只有一个隐藏层有7个神经元。这样说对吗？
2.这些神经元被输入的输出是什么？-1，0，+1的价格变化？
3.有多少投入？
4.隐藏神经元的传递函数是什么？
5.网络是如何训练的？通过遗传学？
6.训练后的样本中有多少条？
7.所显示的结果是什么--正向测试？
8.随机数是如何产生的？Mersenne twister mt19937?如果没有，那就试试这个生成器，肯定会有一个前向测试。比较结果将是非常有趣的。
1.3层，3-7-1：3个输入神经元，7个在潜伏，1个在输出。
2.输入是3个PCF数字，范围是-1.0 ...1.0
3.3.
4.西格玛是相对于0对称的。
5.自己的遗传学。
6.10000.
7.剧情。但是，正如这里的许多人所声称的那样，随机性无法预测，无法训练，也无法用它做什么。既然是这样，那么，不管是奥斯还是样本，都没有区别。但为了好玩，我们可能会创造出OOS。
8.8.IF是由MT5内置生成器生成的（他们说这是原生C++）。
总之，我的观点是，真实价格比VARs包含更多的信息。这只意味着一件事。
ZZY 这里是OOS 10000 "酒吧 "的未来。
ZZZY我应该说一句话--我要求承认我的方法是反科学的，同时也警告在金融市场上交易的高风险。
ZZZI 前面的ZZZI不是写给弗拉基米尔的。
7.样板图。但是，正如这里的许多人所声称的那样，随机性是无法预测的，无法训练的，而且根本无法做到任何事情。如果是这样的话，那么OOS或样本就没有区别。但是，为了好玩，你可以做OOS。