방금 r 스크립트 코드에서 라이브러리 이름을 gbm에서 gbm3으로 변경했으며 나머지 코드는 변경 없이 작동했습니다. gbm 모델의 매개변수를 검색할 때 훈련이 많은 RAM을 먹고 전체 컴퓨터가 10분 동안 중단되는 경우가 있었습니다. 이 새 버전에서는 아직 이런 일이 발생하지 않았으므로 시도해 보는 것이 좋습니다.
나는 비정상성에 대한 텍스트를 전혀 이해하지 못합니다. 새로운 관찰이 도착하면 이전에 식별된 연결이 파괴됩니까? 이것은 NN에 대한 나의 무지 때문일 수 있지만 정확히 한 행의 관찰이 나무에서 고려되며 이전에 구성된 나무를 파괴하는 것은 불가능합니다. 그들은 미래에 만나지 않을 수도 있고 미래에 정확히 같은 나무가 나타날 수도 있지만 다른 클래스에 할당되지만 오래된 모든 것은 흔들리지 않을 것입니다.
추신.
나무를 세울 때 여러 선을 고려하는 나무도 있지만... 그렇다고 해서 본질이 달라지는 것은 아닌 것 같다.
나는 비정상성에 대한 텍스트를 전혀 이해하지 못합니다. 새로운 관찰이 도착하면 이전에 식별된 연결이 파괴됩니까? 이것은 NN에 대한 나의 무지 때문일 수 있지만 정확히 한 행의 관찰이 나무에서 고려되며 이전에 구성된 나무를 파괴하는 것은 불가능합니다. 그들은 미래에 만나지 않을 수도 있고 미래에 정확히 같은 나무가 나타날 수도 있지만 다른 클래스에 할당되지만 오래된 모든 것은 흔들리지 않을 것입니다.
추신.
나무를 세울 때 여러 선을 고려하는 나무도 있지만... 그렇다고 해서 본질이 달라지는 것은 아닌 것 같다.
아니요, 그것은 모두 의사 고정 시리즈를 일관되게 구축하고 가능한 한 자주 재교육해야 한다는 사실로 귀결되었습니다.. 원칙적으로 저도 마찬가지입니다.
또는 선형\비선형 필터 를 구축합니다. .. 제가 이해한 대로 그 전에 예측 변수가 대상에 미치는 영향의 역학을 고려하고 변경 사항에 따라 필터 계수를 통해 출력 신호를 조정해야 합니다. 환경에서
그래서 그것을 찾아보십시오.)) 그런 MLP가 최선의 선택이 될 것입니다.
어제 나는 일반적으로 이미지 인식에 사용되는 합성곱 신경망을 찾았습니다. 당연히 모든 유틸리티(훈련 등)가 있습니다. Python에서 사용하도록 제작되었습니다.
재발하는 등이 있지만 이것은 아직별로 흥미롭지 않습니다.
왜냐하면 컨볼루션 네트워크가 완전히 연결되어 있지 않기 때문에 성능 손실 없이 뉴런 수를 크게 늘릴 수 있습니다. 그러나 우리는 여전히 세부 사항을 이해해야 합니다. 아직 자세히 살펴보지는 않았습니다.
인기있는 설명 - https://geektimes.ru/post/74326/HTM을 자세히 살펴보십시오. 이전에 귀하에게 썼습니다. 그 구조에는 컨텍스트의 사용이 포함됩니다. 그리고 파이썬 구현이 있습니다.
Haikin의 비정상성에 대해
내가 쓴 것뿐만 아니라 여기에서 모든 것이 이미 오래 전에 입증되었습니다. :)
아직 cran 저장소에 없는 새 버전의 gbm 패키지가 있다는 것을 우연히 발견했습니다.
https://github.com/gbm-developers/gbm3
설치:
그 후 R에서 업데이트된 라이브러리는 gbm3이라고 합니다.
방금 r 스크립트 코드에서 라이브러리 이름을 gbm에서 gbm3으로 변경했으며 나머지 코드는 변경 없이 작동했습니다.
gbm 모델의 매개변수를 검색할 때 훈련이 많은 RAM을 먹고 전체 컴퓨터가 10분 동안 중단되는 경우가 있었습니다. 이 새 버전에서는 아직 이런 일이 발생하지 않았으므로 시도해 보는 것이 좋습니다.
Haikin의 비정상성에 대해
내가 쓴 것뿐만 아니라 여기에서 모든 것이 이미 오래 전에 입증되었습니다. :)
나는 비정상성에 대한 텍스트를 전혀 이해하지 못합니다. 새로운 관찰이 도착하면 이전에 식별된 연결이 파괴됩니까? 이것은 NN에 대한 나의 무지 때문일 수 있지만 정확히 한 행의 관찰이 나무에서 고려되며 이전에 구성된 나무를 파괴하는 것은 불가능합니다. 그들은 미래에 만나지 않을 수도 있고 미래에 정확히 같은 나무가 나타날 수도 있지만 다른 클래스에 할당되지만 오래된 모든 것은 흔들리지 않을 것입니다.
추신.
나무를 세울 때 여러 선을 고려하는 나무도 있지만... 그렇다고 해서 본질이 달라지는 것은 아닌 것 같다.
나는 비정상성에 대한 텍스트를 전혀 이해하지 못합니다. 새로운 관찰이 도착하면 이전에 식별된 연결이 파괴됩니까? 이것은 NN에 대한 나의 무지 때문일 수 있지만 정확히 한 행의 관찰이 나무에서 고려되며 이전에 구성된 나무를 파괴하는 것은 불가능합니다. 그들은 미래에 만나지 않을 수도 있고 미래에 정확히 같은 나무가 나타날 수도 있지만 다른 클래스에 할당되지만 오래된 모든 것은 흔들리지 않을 것입니다.
추신.
나무를 세울 때 여러 선을 고려하는 나무도 있지만... 그렇다고 해서 본질이 달라지는 것은 아닌 것 같다.
아니요, 그것은 모두 의사 고정 시리즈를 일관되게 구축하고 가능한 한 자주 재교육해야 한다는 사실로 귀결되었습니다.. 원칙적으로 저도 마찬가지입니다.
또는 선형\비선형 필터 를 구축합니다. .. 제가 이해한 대로 그 전에 예측 변수가 대상에 미치는 영향의 역학을 고려하고 변경 사항에 따라 필터 계수를 통해 출력 신호를 조정해야 합니다. 환경에서
글쎄, 일반적으로 특별한 것은 없습니다. 적어도 이 장에서는.
Haikin의 비정상성에 대해
내가 쓴 것뿐만 아니라 여기에서 모든 것이 이미 오래 전에 입증되었습니다. :)
Haikin의 비정상성에 대해
내가 쓴 것뿐만 아니라 여기에서 모든 것이 이미 오래 전에 입증되었습니다. :)
HTM을 자세히 살펴보십시오. 이전에 귀하에게 편지를 썼습니다. 그 구조에는 컨텍스트의 사용이 포함됩니다. 그리고 파이썬 구현이 있습니다.
나는 우리의 서신에서 무언가를 찾지 못했습니다. HTM이란 무엇입니까? 그리고 그들은 무엇을 먹나요?
일반적으로 저는 2-3일 전에 Python을 배우기 시작했습니다. 지금까지 나는 거의 이해하지 못했다.) 그래서 그것은 곧 사업에 오지 않을 것이다.
나는 우리의 서신에서 무언가를 찾지 못했습니다. HTM이란 무엇입니까? 그리고 그들은 무엇을 먹나요?
일반적으로 저는 2-3일 전에 Python을 배우기 시작했습니다. 지금까지 나는 거의 이해하지 못했다.) 그래서 그것은 곧 사업에 오지 않을 것이다.
여기에서 시작할 수 있습니다: https://numenta.org/implementations/
러시아어로 된 책이 있습니다. 번역은 거의 적절합니다.