이 지점의 문제는 여기 사람들이 바보가 아니며 모든 사람이 경험과 형성된 의견을 바탕으로 누구도 바꾸고 싶지 않다는 것입니다. 그리고 당신의 아이디어의 맥락에서 무언가를 들을 때, 당신은 그것이 옳다면 어떻게 할 것인지 생각할 기회조차 주지 않습니다. 이게 문제 야. 아이디어 등이 관심을 가져야 함은 분명하다. 그러나 테스트를 수행하지 않고 이것이 정확하지 않다고 말하는 것은 ... 일반적으로 우리는 여기에서 너무 똑똑하고 따라서 가난합니다. 그리고 누가 욕심을 부리나 :-)
그러나 차량을 설계하는 경우에만 차량 내부에서 수행하는 작업은 미스터리로 남습니다. 계수만.
패키지에는 일반적으로 홍채와 약 등이 들어 있습니다. - 시장 칠면조와 함께, 나는 아무것도 기억하지 못합니다. MA는 너무 단순하지만 MA10의 경우 v=1인 10개의 입력을 추가하고 나머지 입력에 v=0을 할당한 다음 k=10을 선택합니다. 디지털 필터 는 동일하지만 v는 1이 아니라 필터 공식에 따라 다른 값과 같습니다. 그리고 이론적으로 NN은 표준 필터 중 어느 것도 찾지 못하고 시장에 가장 적합한 고유한 필터를 찾을 수 없습니다. 저것들. 실제로 1개의 뉴런은 디지털 필터(DF)입니다. 여러 뉴런을 사용하면 여러 디지털 필터(델타, 합계)의 상호 작용을 얻을 수 있습니다. 2차 상호작용(델타에서 델타)이 필요한 경우 - 은닉층을 1개 더 추가해야 합니다.
2개의 CF의 곱은 출력 뉴런의 2개 뉴런에서 얻을 수 없습니다. 덧셈만 있습니다. 그러나 별도의 뉴런에서 다시 계산할 수 있습니다. v와 k만 다를 뿐입니다. 일반적으로 나에게 이것은 ZF에서와 같이 국회에 대한 새로운 시각입니다.
도서관 : 패키지에는 일반적으로 홍채와 약 등이 들어 있습니다. - 시장 칠면조와 함께, 나는 아무것도 기억하지 못합니다. MA는 너무 간단하지만 간단합니다. MA10의 경우 v=1인 입력 10개를 추가하고 나머지 입력에 v=0을 할당한 다음 k=10을 선택합니다. 디지털 필터는 단순한 v가 1과 같지 않고 필터 공식에 따라 다른 것입니다. 그리고 이론적으로 NN은 표준 필터 중 어느 것도 찾지 못하고 시장에 가장 적합한 고유한 필터를 찾을 수 없습니다. 저것들. 실제로 1개의 뉴런은 디지털 필터(DF)입니다. 여러 뉴런을 사용하면 여러 디지털 필터(델타, 합계)의 상호 작용을 얻을 수 있습니다. 2차 상호작용(델타에서 델타)이 필요한 경우 - 은닉층을 1개 더 추가해야 합니다.
전에 비슷한 것을 썼습니다. NS에 2개의 레이어를 추가하면 그녀가 당신을 위한 예측 지표를 만들 것입니다. 그리고 귀찮게 할 것도 없습니다.
전에 비슷한 것을 썼습니다. NS에 2개의 레이어를 추가하면 그녀가 당신을 위한 예측 지표를 만들 것입니다. 그리고 귀찮게 할 것도 없습니다.
그런 다음 예측 변수를 선택 하는 것이 불필요한 것으로 밝혀졌으며 입력이 막대의 데이터인 경우에도 방해가 될 수 있습니다. 시계열이 아닌 여러 표준 및 비표준 지표(예: 다른 기간의 MA, CCI, RSI)를 무작위로 제출하는 경우 선택이 필요합니다. 이 중 완전히 부적합한 것은 폐기해야 합니다. 입력 자체에 시계열이 있는 NN은 필요한 계수가 있는 지표를 선택합니다.
도서관 : 그런 다음 예측 변수를 선택하는 것은 불필요한 것으로 밝혀졌으며 입력 데이터가 막대에서 나온 경우에도 방해가 될 수 있습니다. 시계열이 아닌 표준 및 비표준 지표를 무작위로 제출하는 경우 선택이 필요합니다. 이 중 완전히 부적합한 것은 폐기해야 합니다. 입력 자체에 시계열이 있는 NN은 필요한 계수가 있는 지표를 선택합니다.
네. 국회 입력에는 정규화된 시계열 이 있습니다. NA 구조 -15-20-15-10-5-1이 이미 잘 작동하고 있다고 가정해 보겠습니다.
도서관 : 그런 다음 예측 변수를 선택하는 것은 불필요한 것으로 밝혀졌으며 입력 데이터가 막대에서 나온 경우에도 방해가 될 수 있습니다. 시계열이 아닌 표준 및 비표준 지표를 무작위로 제출하는 경우 선택이 필요합니다. 이 중 완전히 부적합한 것은 폐기해야 합니다. 입력 자체에 시계열이 있는 NN은 필요한 계수가 있는 지표를 선택합니다.
네. NN의 입력에는 정규화된 시계열이 있습니다. 봅시다, NS -15-20-15-10-5-1의 구조는 이미 잘 하고 있습니다.
롱과 숏을 결정하려면 2개의 NS가 필요합니다.
실제로 약 2 NS가 이미 도달했으며 이것이 내가 사용하는 유일한 방법입니다. 3개의 클래스(매수, 대기, 매도)가 있는 경우 중산층은 특히 출구에 있는 경우 매우 빠르게 미끄러집니다. 뉴런 시그모이드 또는 접선. 그러나 회귀라면 ... 이론상으로 출력에 1개의 뉴런이 필요합니다.
주제에 대한 질문입니다.
국회 자체가 그 자체로 어떤 지표도 내놓을 수 있다고 믿어진다.
실험을 시도한 사람이 있습니까? 국회가 예를 들어 MA를 재현할 수 있습니까? 또는 MACD 또는 디지털 필터 ?
문제가 아닐 수도 있습니다. 그런 것들을 디자인하는 많은 NS 패키지의 많은 인스턴스.
그러나 차량을 설계하는 경우에만 차량 내부에서 수행하는 작업은 미스터리로 남습니다. 계수만.
문제가 아닐 수도 있습니다. 그런 것들을 디자인하는 많은 NS 패키지의 많은 인스턴스.
그러나 차량을 설계하는 경우에만 차량 내부에서 수행하는 작업은 미스터리로 남습니다. 계수만.
패키지에는 일반적으로 홍채와 약 등이 들어 있습니다. - 시장 칠면조와 함께, 나는 아무것도 기억하지 못합니다.
MA는 너무 단순하지만 MA10의 경우 v=1인 10개의 입력을 추가하고 나머지 입력에 v=0을 할당한 다음 k=10을 선택합니다.
디지털 필터 는 동일하지만 v는 1이 아니라 필터 공식에 따라 다른 값과 같습니다. 그리고 이론적으로 NN은 표준 필터 중 어느 것도 찾지 못하고 시장에 가장 적합한 고유한 필터를 찾을 수 없습니다.
저것들. 실제로 1개의 뉴런은 디지털 필터(DF)입니다.
여러 뉴런을 사용하면 여러 디지털 필터(델타, 합계)의 상호 작용을 얻을 수 있습니다. 2차 상호작용(델타에서 델타)이 필요한 경우 - 은닉층을 1개 더 추가해야 합니다.
2개의 CF의 곱은 출력 뉴런의 2개 뉴런에서 얻을 수 없습니다. 덧셈만 있습니다. 그러나 별도의 뉴런에서 다시 계산할 수 있습니다. v와 k만 다를 뿐입니다.
일반적으로 나에게 이것은 ZF에서와 같이 국회에 대한 새로운 시각입니다.
패키지에는 일반적으로 홍채와 약 등이 들어 있습니다. - 시장 칠면조와 함께, 나는 아무것도 기억하지 못합니다.
MA는 너무 간단하지만 간단합니다. MA10의 경우 v=1인 입력 10개를 추가하고 나머지 입력에 v=0을 할당한 다음 k=10을 선택합니다.
디지털 필터는 단순한 v가 1과 같지 않고 필터 공식에 따라 다른 것입니다. 그리고 이론적으로 NN은 표준 필터 중 어느 것도 찾지 못하고 시장에 가장 적합한 고유한 필터를 찾을 수 없습니다.
저것들. 실제로 1개의 뉴런은 디지털 필터(DF)입니다.
여러 뉴런을 사용하면 여러 디지털 필터(델타, 합계)의 상호 작용을 얻을 수 있습니다. 2차 상호작용(델타에서 델타)이 필요한 경우 - 은닉층을 1개 더 추가해야 합니다.
전에 비슷한 것을 썼습니다. NS에 2개의 레이어를 추가하면 그녀가 당신을 위한 예측 지표를 만들 것입니다. 그리고 귀찮게 할 것도 없습니다.
전에 비슷한 것을 썼습니다. NS에 2개의 레이어를 추가하면 그녀가 당신을 위한 예측 지표를 만들 것입니다. 그리고 귀찮게 할 것도 없습니다.
시계열이 아닌 여러 표준 및 비표준 지표(예: 다른 기간의 MA, CCI, RSI)를 무작위로 제출하는 경우 선택이 필요합니다.
이 중 완전히 부적합한 것은 폐기해야 합니다. 입력 자체에 시계열이 있는 NN은 필요한 계수가 있는 지표를 선택합니다.
그런 다음 예측 변수를 선택하는 것은 불필요한 것으로 밝혀졌으며 입력 데이터가 막대에서 나온 경우에도 방해가 될 수 있습니다.
시계열이 아닌 표준 및 비표준 지표를 무작위로 제출하는 경우 선택이 필요합니다.
이 중 완전히 부적합한 것은 폐기해야 합니다. 입력 자체에 시계열이 있는 NN은 필요한 계수가 있는 지표를 선택합니다.
네. 국회 입력에는 정규화된 시계열 이 있습니다. NA 구조 -15-20-15-10-5-1이 이미 잘 작동하고 있다고 가정해 보겠습니다.
롱과 숏을 결정하려면 2개의 NS가 필요합니다.
그런 다음 예측 변수를 선택하는 것은 불필요한 것으로 밝혀졌으며 입력 데이터가 막대에서 나온 경우에도 방해가 될 수 있습니다.
시계열이 아닌 표준 및 비표준 지표를 무작위로 제출하는 경우 선택이 필요합니다.
이 중 완전히 부적합한 것은 폐기해야 합니다. 입력 자체에 시계열이 있는 NN은 필요한 계수가 있는 지표를 선택합니다.
시계열의 입구에 제출(네이키드 가격)
피드 표시기 및 입력에 대한 증분( 지수 마침표 등 포함)
pz..ts차이는 없지만 cosine차이, tangents차이, 쌍곡선 브레이드와 tangs를 적용하면 차이가 있는데...왜그래-xs인데 TS 성능이 다소 좋아짐
네. NN의 입력에는 정규화된 시계열이 있습니다. 봅시다, NS -15-20-15-10-5-1의 구조는 이미 잘 하고 있습니다.
롱과 숏을 결정하려면 2개의 NS가 필요합니다.
실제로 약 2 NS가 이미 도달했으며 이것이 내가 사용하는 유일한 방법입니다. 3개의 클래스(매수, 대기, 매도)가 있는 경우 중산층은 특히 출구에 있는 경우 매우 빠르게 미끄러집니다. 뉴런 시그모이드 또는 접선.
그러나 회귀라면 ... 이론상으로 출력에 1개의 뉴런이 필요합니다.
시계열의 입구에 제출(네이키드 가격)
피드 표시기 및 입력에 대한 증분(지수 마침표 등 포함)
pz..ts 별차이는 없으나 차이의 코사인, 차이의 탄젠트, 쌍곡선 브레이드와 탱을 적용하면 차이가 나는데...왜그래-xs지만 TS의 성능은 다소 향상
그런 다음 베어 가격에서 아날로그를 구축하려면 3-4개의 히든 레이어가 필요합니다. 지표용 레이어 1개 + 델타용 레이어 1개 + 코사인 및 탄젠트용 레이어 1개. 시도하지 않았습니까?
아니요, 저는 지금까지 스캐폴딩(여러 가지 기능에 대한 임의의 수의 모델 앙상블)을 사용하고 있으며 평균 출력이 사용됩니다.
오. 모든 것이 빠르게 작동합니다