在交易中使用神经网络 - 页 24

新评论
 
实际上，我需要尝试另一个想法，反正我也无法安然入睡。
 
TimeMaster:
或者谁能告诉我神经网络还能去哪里？
没有多少取决于网络本身
 
TheXpert:
与网络本身没有什么关系

网()只是一个工具，一个指标，我试图用它来寻找目前市场的状态。我认为你可以将目前的状态与之前的状态进行比较，并作出预测。你也可以在精神上（用你的大脑）进行预测。这就是我对在预测中使用神经网络的理解。
 
TimeMaster:
网()只是一个工具，一个指标，我试图用它来寻找目前市场的状态。我认为你可以将目前的状态与之前的状态进行比较，并作出预测。你也可以在精神上（用你的大脑）进行预测。这就是我所理解的在预测中使用神经网络。

使用NS进行模式识别
 
Debugger:

顺便说一下，数据准备在这种情况下没有起到任何作用。我根本就没有。

数据是原始的。


这没什么--你去钓鱼，里面有一条100公斤重的鲟鱼。而里面有五公斤的鳟鱼。哇。
 
Demi:

使用NS进行模式识别
有趣的话题，我瞥见了它。但我并没有进一步尝试用神经网络来放大图片。
 
TimeMaster:
这是个有趣的话题，我已经瞥见了它。但我并没有进一步尝试用神经网络来增加图片。

嗯，这就是他们的设计目的....。

而且有可能通过非线性回归来预测而不是NS，但你必须自己确定回归的类型，anltchsky。

 
Demi:

嗯，这就是他们的设计目的....。

而不是NS，你也可以用非线性回归进行预测，但你必须自己确定回归的类型，安乐死。

在其最概括的形式中，我可以说回归的系数基本上是用网络来搜索的，而分析是用聚类来完成的。

此外，还有各种事情，如地段大小和停止管理。

 
TimeMaster:

以最概括的形式，我可以说，网络基本上是用来寻找回归系数的，而聚类则是用来进行分析的。

另外，还有各种地段大小和停止控制。

复杂化并不会带来任何好处。
 
LeoV:
把事情复杂化并没有任何好处。


我可以提出一个更疯狂的观点。

我不认为你会认为神经网络比人脑 "笨 "很多很多。

那么，在交易中使用它们只是使整个画面变得更加简单。

IMHO...

1...171819202122232425262728293031...40
新评论