실험은 좋지만 MT에서 그 결과를 어떻게 사용합니까? 선택하지 않은 영역에서 어떻게 작동하는지 사후 관찰하기 위해 모델을 언로드하고 표시기에 밀어넣을 수 있습니까????
아니요, 그런 식으로 작동하지 않습니다. webrequest를 통해 어드바이저와 함께 서버에서 결과를 가져오기만 하면 됩니다. 테스터에서는 사용할 수 있는 옵션이 아닙니다. 테스터에서 실행당 1000개 이상의 트랜잭션이 있습니다. 따라서 여기에 작은 히트가 있습니다. 이제 나는 이것으로 정리하고있었습니다.
신속하게 모델을 평가하고 예측자를 확인하십시오. 예, 그런 다음이 실시간 모델을 사용하십시오. 예, 요청을 통한 요청과 함께 전략 테스터 의 모델을 사용하는 것은 비용이 많이 듭니다. 예를 들어 한 달 동안 서버에 대한 1000개 요청당 30루블 테스터에서 5분 동안 8000 요청이 됩니다. 테스터에서 한 달 동안 5 분 동안 240 루블
Метод Брауна-Робинсон является наиболее старым (1951 г.) алгоритмом итеративного решения минимаксных задач, представленных в виде платёжных матриц. При этом он является методом поиска решения с оппонентом и способностью авторедукции доминируемых строк и столбцов. Однако, ему присущи ряд недостатков: Несоответствие решения аксиоматике вектора...
실험은 좋지만 MT에서 그 결과를 어떻게 사용합니까? 선택하지 않은 영역에서 어떻게 작동하는지 사후 관찰하기 위해 모델을 언로드하고 표시기에 밀어넣을 수 있습니까????
아니요, 그런 식으로 작동하지 않습니다. webrequest를 통해 어드바이저와 함께 서버에서 결과를 가져오기만 하면 됩니다. 테스터에서는 사용할 수 있는 옵션이 아닙니다. 테스터에서 실행당 1000개 이상의 트랜잭션이 있습니다. 따라서 여기에 작은 히트가 있습니다. 이제 나는 이것으로 정리하고있었습니다.
신속하게 모델을 평가하고 예측자를 확인하십시오. 예, 그런 다음이 실시간 모델을 사용하십시오. 예, 요청을 통한 요청과 함께 전략 테스터 의 모델을 사용하는 것은 비용이 많이 듭니다. 예를 들어 한 달 동안 서버에 대한 1000개 요청당 30루블 테스터에서 5분 동안 8000 요청이 됩니다. 테스터에서 한 달 동안 5 분 동안 240 루블
세트는 원래 Reshetov 분류기를 위해 준비되었습니까? 그건 그렇고, OpenCl에서 mql5에 다시 작성해야 할 것입니다. 그러면 계산이 빠를 것입니다. 멋진 일
RNN이 그렇게 많은 데이터를 처리할 수 있습니까? 3-4 입력에 대한 기성품 예제도 있으며 5-10으로 확장할 수 있습니다. 그리고 무언가를 계산하는 것은 더 비현실적일 것입니다. 왜냐하면. 최적화된 매개변수의 수 = 2 N
정말, 그것은 GPU에 다시 작성해야합니다, 당신은 방법을 알고 있습니까?
정말, 그것은 GPU에 다시 작성해야합니다, 당신은 방법을 알고 있습니까?
아니요
나는 흔적에 수단을 다시 쓸 것이다. 주)
문제를 다시 쓰는 것은 흔적을 의미합니다. 주)
어떻게 최적화할 것인가? 카운터와 유전자 알고리즘 ? 테스터 옵티마이저를 사용하지 않고?
일반 옵티마이저를 통해 매개변수를 선택하지만 NS는 gbu에서 교육되며 Java에는 다른 버전도 있으므로 mql5에서 다시 작성해야 합니다.
https://sites.google.com/site/libvmr/home/theory/method-brown-robinson-resetov
일반 옵티마이저를 통해 국회가 gbu에서 훈련됩니다
계수를 어떻게 선택할 것인가? 10개의 입력에 대해 - 1024개의 계수를 선택해야 하며 이는 비현실적입니다. 그리고 실제 문제의 차원은 너무 작습니다.
링크를 읽으십시오. 이 버전의 옵티마이저에서 선택할 필요가 없습니다.
핵 기계는 차원을 증가시킵니다. 까다로운 시스템이 있습니다.
저것들. 첫째, 모델은 비디오 카드에서 단순히 훈련되고 k-s가 저장되고 정지 및 기타 사항은 이미 최적화 프로그램에서 선택됩니다.
계수를 어떻게 선택할 것인가? 10개의 입력에 대해 - 1024개의 계수를 선택해야 하며 이는 비현실적입니다. 그리고 실제 문제의 차원은 너무 작습니다.
확률 모델인 Reshetov의 RNN에 있습니다.
그리고 Mikhail이 사용하는 jPredictor도 있습니다. Neuronka Reshetov, 많은 입력이 있고 경사하강법 대신 일종의 학습이 있습니다.