믿기지 않으시겠지만 제 이론에 너무나 아름답게 들어맞는 딥러닝에 대한 물리적인 정당성을 가지고 있습니다.. 하이매트, 뭐라고 할까요... 최대한 빨리 소리를 파악하고 캠페인을 작성해야겠어요 . 그리고 사람들 사이의 광기가 점점 강해지고 있습니다. 우리는 긴급히 이러한 신화를 깨야합니다 ....
도중에 추가 교육의 요점이 보이지 않습니다 ... 근본적으로 변경 된 것은 없습니다. 나는 재교육없이 3 개월 동안 일하고 있으며 품질의 변화는 없습니다. 그것은 모두 네트워크가 훈련된 기록의 길이에 달려 있습니다. 3-5년 동안 청구하면 네트워크는 이 기간 동안 작동한 안정적인 규칙을 형성하고 이를 기억할 것입니다.
간단히 말해서 지도 딥 러닝 알고리즘은 범주당약 5,000개의 레이블이 지정된 예제로 허용 가능한 성능을 달성하며, 최소 1천만 개의 레이블이 지정된예제 의 데이터 세트에서 훈련 될 때인간과 비슷하거나 심지어 더 우수합니다 .
데이터와 힘이 전부입니다.
예브게니 듀카 : 도중에 추가 교육의 요점이 보이지 않습니다 ... 근본적으로 변경 된 것은 없습니다. 나는 재교육없이 3 개월 동안 일하고 있으며 품질의 변화는 없습니다. 그것은 모두 네트워크가 훈련된 기록의 길이에 달려 있습니다. 3-5년 동안 청구하면 네트워크는 이 기간 동안 작동한 안정적인 규칙을 형성하고 이를 기억할 것입니다.
문제에 대한 접근 방식에 따라 다릅니다. 시스템이 제한된 시간 동안 작동한다고 생각한다면 정기적으로 최적화해야 하며, TF가 작을수록 더 자주 최적화해야 합니다.
문제 의 가능한 원인으로 국소 최소값을 배제하려면기울기 표준 대 시간을 플로팅하는 것이 좋습니다 . 기울기의 노름이 거의 0으로 감소하지 않으면 문제가극소값 에 있지 않은 것입니다.
아주 영리합니다. 저는 네트워크에 다양한 기능 세트를 제공하고 네트워크가 최소한 학습의 징후를 보이기 시작할 때를 포착합니다. 그런 다음 나는 즉시 실제 시장을 확인합니다. 네트워크는 "위/아래"라는 질문에 답하므로 각 양초에 대한 답이 있지만 확실성은 다릅니다. 간단합니다.) 오픈 포지션 , 이익 및 배수가 없습니다.
"지도 딥 러닝 알고리즘은 카테고리당 약 5000개의 레이블이 지정된 예제로 허용 가능한 품질을 달성합니다."
m1의 경우 매주 기록에 대해 매일, m5의 경우 한 달에 한 번 기록에 대해 다시 훈련합니다.
다른 방법에 대한 비교가 있습니까?
1, 2, 9시간은 그냥 터미널 시간인가?
여기에서 잘못되기가 어렵습니다.
포럼의 각 항목을 설명하는 것은 옵션이 아니기 때문에 기사를 롤업할 수 있습니다.
글쎄요, 파이썬 코드, 클러스터링, 트리 파서와 같은 흥미로운 것들이 많이 있습니다.
트랜잭션 입력 조건을 알아냈으니 추가하면 바로 기성 봇을 생성할 수 있다, 멋지다.여기에서 잘못되기가 어렵습니다.
포럼의 각 항목을 설명하는 것은 옵션이 아니기 때문에 기사를 롤업할 수 있습니다.
글쎄요, 파이썬 코드, 클러스터링, 트리 파서와 같은 흥미로운 것들이 많이 있습니다.
트랜잭션 입력 조건을 알아냈으니 추가하면 바로 기성 봇을 생성할 수 있다, 멋지다.물론 기사가 좋을 것입니다)))
물론 기사가 좋을 것입니다)))
그러나 새로운 데이터에서는 모든 MO와 마찬가지로 문자열처럼 쏟아집니다. 훈련하는 동안 아름답습니다.
거친 클러스터를 도입하여 재교육을 우회하고 싶었지만 문제가 발생했습니다))
그러나 새로운 데이터에서는 모든 MO와 마찬가지로 문자열처럼 쏟아집니다. 훈련하는 동안 아름답습니다.
거친 클러스터를 도입하여 재교육을 우회하고 싶었지만 문제가 발생했습니다))
우리는 실제 시리즈와 테스트 시리즈의 컴플라이언스를 제어할 필요가 있습니다(그냥 말하세요). 하지만 나는 여전히 이것을 하는 방법을 이해하지 못합니다. 그래야 지연을 수용할 수 있거나 최소한 이해할 수 있을 것입니다.
우리는 실제 시리즈와 테스트 시리즈의 컴플라이언스를 제어할 필요가 있습니다(그냥 말하세요). 하지만 나는 여전히 이것을 하는 방법을 이해하지 못합니다. 그래야 지연을 수용할 수 있거나 최소한 이해할 수 있을 것입니다.
모든 것이 이미 아이디어에 있습니다. 반복되는(그리고 실제로 때때로 반복되는) 클러스터된 계절 패턴
하지만 .. 그 코트는 아닙니다. 또는 트리가 많이 재훈련되고 신경망이 훈련되고 구문 분석되어야 합니다.
그러나 이것은 모두 쓰레기입니다. 트리에 아무 것도 표시되지 않으면 패턴이 없는 것입니다. 딥러닝은 의미가 없습니다.기능당 5000이 일반 표준이며 5000에서 10000이 더 좋습니다.
간단히 말해서 지도 딥 러닝 알고리즘 은 범주당 약 5,000개의 레이블이 지정된 예제로 허용 가능한 성능을 달성하며 , 최소 1천만 개의 레이블이 지정된 예제 의 데이터 세트에서 훈련 될 때 인간과 비슷하거나 심지어 더 우수합니다 .
데이터와 힘이 전부입니다.
도중에 추가 교육의 요점이 보이지 않습니다 ... 근본적으로 변경 된 것은 없습니다. 나는 재교육없이 3 개월 동안 일하고 있으며 품질의 변화는 없습니다. 그것은 모두 네트워크가 훈련된 기록의 길이에 달려 있습니다. 3-5년 동안 청구하면 네트워크는 이 기간 동안 작동한 안정적인 규칙을 형성하고 이를 기억할 것입니다.
문제에 대한 접근 방식에 따라 다릅니다. 시스템이 제한된 시간 동안 작동한다고 생각한다면 정기적으로 최적화해야 하며, TF가 작을수록 더 자주 최적화해야 합니다.
문제 의 가능한 원인으로 국소 최소값을 배제하려면 기울기 표준 대 시간 을 플로팅하는 것이 좋습니다 . 기울기의 노름이 거의 0으로 감소하지 않으면 문제 가 극소값 에 있지 않은 것입니다.
하지 않았습니까?
하지 않았습니까?
아주 영리합니다. 저는 네트워크에 다양한 기능 세트를 제공하고 네트워크가 최소한 학습의 징후를 보이기 시작할 때를 포착합니다. 그런 다음 나는 즉시 실제 시장을 확인합니다. 네트워크는 "위/아래"라는 질문에 답하므로 각 양초에 대한 답이 있지만 확실성은 다릅니다. 간단합니다.) 오픈 포지션 , 이익 및 배수가 없습니다.