이것은 심층 신경망 의 다소 이국적인 기능입니다. 언론인은 신경망이 흑인과 고릴라를 혼동한다는 사실에 대한 농담처럼 그러한 벼룩을 빨아 먹는 것을 좋아하지만 이것은 통계적으로 중요하지 않습니다. MO의 도움이 있어야만 적어도 시장에서 더 무작위로 무언가를 얻을 수 있습니다. 특히 시장에서와 같이 노이즈가 많은 시계열 무리의 경우 신경망이 최선의 선택이 아닙니다.
쓰레기가 잘못 적용되었을 때, 왜 쓰레기인지 메시지에서 설명했습니다. 그리고 저는 MO 도구 자체에 대해 아무런 반대가 없습니다. AI 및 정보 처리 측면에서 미래입니다.
"정확히"라는 프로그램을 보셨습니까? 하나의 정사각형 안경의 모양을 변경하는 것은 제한되지 않습니다. 시장은 인식되지 않고 99%의 경우에 성공하는 방식으로 작동한다고 말할 수 있습니다.
이 경우 당신이 옳았지만 "정확한 / 부정확한"을 공식화하지 않을 것입니다. 여기서 질문은 오히려 MO를 사용하는 기술 에 있습니다. 동일한 numer.ai를 예로 들어보겠습니다. 저를 포함하여 대부분 >0.69에 대해 이것은 54-55% 연령이지만 <0.6인 사람도 있습니다. 이는 약 70%의 연령을 의미합니다. 그들이 "올바른 행동 "는 의미에서 표준 수단을 사용합니다.
인간의 패턴 인식이 기계 인식보다 얼마나 우월한지 흥미롭습니다. 인간의 두뇌가 더 나은 신경망입니까? 모니터링되는 매개변수가 더 많습니까? 폭넓은 경험 기반?
최신 컴퓨터를 이 수준으로 끌어올릴 수 있습니까? 아니면 하드웨어 제한으로 인해 허용되지 않습니까?
대부분의 경우 참가자들은 신원 미상이라는 목표를 전혀 가지고 있지 않으며, 그들의 목표는 선택된 이미지와 유사하게 하는 것입니다. 그러나 이것은 사람의 외모가 어떻게 변할 수 있는지 보여주는 예일뿐입니다. 원한다면 성대 수술, 지문 변경 및 홍채 기증자 교체까지 엄마도 인식하지 못할 정도로 외모를 완전히 바꿀 수 있습니다. 것. 따라서 시장은 인식되지 않기 위해 변화하는 것이지 다른 방식으로 인식되기 위해 변화하는 것이 아닙니다.
그러나 외모가 변한 사람들에게 변하지 않는 것은 무엇입니까? 그들이 사람으로 남아 있다는 것은 변함이 없습니다. 즉, 두 다리, 두 팔 등이 있음을 의미합니다. 즉, 사람의 흔적이 남아 있고 변하지 않습니다. 사람의 일반적인 행동도 변하지 않습니다. 예를 들어 고양이 그릇에서 먹지 않을 것입니다.
즉, 기호를 상세하게 설명하기 보다는 오히려 기호를 일반화하고 불변의 기호를 식별하고 활용하는 것이 필요하다.
대부분의 경우 참가자들은 신원 미상이라는 목표를 전혀 가지고 있지 않으며, 그들의 목표는 선택된 이미지와 유사하게 하는 것입니다. 그러나 이것은 사람의 외모가 어떻게 변할 수 있는지 보여주는 예일뿐입니다. 원한다면 성대 수술, 지문 변경 및 홍채 기증자 교체까지 엄마도 인식하지 못할 정도로 외모를 완전히 바꿀 수 있습니다. 것. 따라서 시장은 인식되지 않기 위해 변화하는 것이지 다른 방식으로 인식되기 위해 변화하는 것이 아닙니다.
그러나 외모가 변한 사람들에게 변하지 않는 것은 무엇입니까? 그들이 사람으로 남아 있다는 것은 변함이 없습니다. 즉, 두 다리, 두 팔 등이 있음을 의미합니다. 즉, 사람의 흔적이 남아 있고 변하지 않습니다. 사람의 일반적인 행동도 변하지 않습니다. 예를 들어 고양이 그릇에서 먹지 않을 것입니다.
즉, 기호를 상세하게 설명하기 보다는 오히려 기호를 일반화하고 불변의 기호를 식별하고 활용하는 것이 필요하다.
다시 말하지만 ML을 사용하는 알고리즘 거래에서는 데이터와 기능이 분류 자체보다 훨씬 더 중요합니다. 촛대 패턴이 있는 이 모든 fap은 노이즈에 불과합니다.
대부분의 경우 참가자들은 신원 미상이라는 목표를 전혀 가지고 있지 않으며, 그들의 목표는 선택된 이미지와 유사하게 하는 것입니다. 그러나 이것은 사람의 외모가 어떻게 변할 수 있는지 보여주는 예일뿐입니다. 원한다면 성대 수술, 지문 변경 및 홍채 기증자 교체까지 엄마도 인식하지 못할 정도로 외모를 완전히 바꿀 수 있습니다. 것. 따라서 시장은 인식되지 않기 위해 변화하는 것이지 다른 방식으로 인식되기 위해 변화하는 것이 아닙니다.
그러나 외모가 변한 사람들에게 변하지 않는 것은 무엇입니까? 그들이 사람으로 남아 있다는 것은 변함이 없습니다. 즉, 두 다리, 두 팔 등이 있음을 의미합니다. 즉, 사람의 흔적이 남아 있고 변하지 않습니다. 사람의 일반적인 행동도 변하지 않습니다. 예를 들어 고양이 그릇에서 먹지 않을 것입니다.
즉, 기호를 상세하게 설명하기 보다는 오히려 기호를 일반화하고 불변의 기호를 식별하고 활용하는 것이 필요하다.
올바른 길을 가고 있다고 생각합니다. 인간의 인식과 기계의 인식의 차이를 명확하게 정의하기만 하면 됩니다.
1. 인간의 지각은 평생 동안 향상됩니다. 사람은 일생 동안 접촉하는 모든 것으로 경험을 풍부하게 합니다. 사고는 논리적 구성과 추상적 이미지를 구축하는 데 도움이 됩니다. 인간 두뇌의 신경망은 학습과 발달을 위한 거대한 잠재력을 가지고 있습니다.
2. 기계는 처음에 작성자에게 종속됩니다.
3. 그녀의 전문 지식은 그녀의 내부에 투자되고 특정 영역으로 제한됩니다.
4. 기계는 하드웨어 제한으로 인해 제한됩니다. 그것은 또한 그녀의 경험을 제한합니다.
나는 현대 신경망을 가르치는 것이 곤충을 훈련시키는 것과 같다고 생각합니다. 일은 많지만 의미는 거의 없습니다. 그러나 접근 방식을 바꾸거나 더 나은 컴퓨터를 만들면 더 좋을 것입니다.
올바른 길을 가고 있다고 생각합니다. 인간의 인식과 기계의 인식의 차이를 명확하게 정의하면 됩니다.
1. 인간의 지각은 평생 동안 향상됩니다. 사람은 일생 동안 접촉하는 모든 것으로 경험을 풍부하게 합니다. 사고는 논리적 구성과 추상적 이미지를 구축하는 데 도움이 됩니다. 인간 두뇌의 신경망은 학습과 발달을 위한 엄청난 잠재력을 가지고 있습니다.
2. 기계는 처음에 작성자에게 종속됩니다.
3. 그녀의 전문 지식은 그녀의 내부에 투자되고 특정 영역으로 제한됩니다.
4. 기계는 하드웨어 제한으로 인해 제한됩니다. 그것은 또한 그녀의 경험을 제한합니다.
현대 신경망을 훈련시키는 것은 곤충을 훈련시키는 것과 같다고 생각합니다. 일이 많지만 의미는 거의 없습니다. 그러나 아마도 접근 방식을 바꾸거나 더 나은 컴퓨터를 만들면 더 좋을 것입니다.
나는 - 단순화, 일반화, 그리고 당신이 - 복잡하고 세부적인 것이 필요하다고 말합니다. 왜 인간의 인식을 일치시키려고 합니까? 20년 전 핸드브레이크를 인용문을 읽어서 병합한 것처럼 지금은 병합되지만 이미 MO와 그 분석을 사용하고 있다면 시장에서 인간의 인식에서 많은 의미가 있습니까?
안드레이 딕 : 나는 - 단순화, 일반화, 그리고 당신이 - 복잡하고 세부적인 것이 필요하다고 말합니다. 왜 인간의 인식을 일치시키려고 합니까? 20년 전 핸드브레이크를 인용문을 읽어서 병합한 것처럼 지금은 병합되지만 이미 MO와 그 분석을 사용하고 있다면 시장에서 인간의 인식에서 많은 의미가 있습니까?
논리적으로 생각해보자.
뭔가를 단순화하려면 이 문제의 복잡성을 자세히 알아야 합니다. 그녀의 장치를 알고 있습니다. 나는 그 과정을 복잡함, 상세함, 단순화로 본다. 개발의 모든 주기가 그렇습니다. 새롭고 새로운 차원으로의 승격.
기계 학습은 알고리즘 거래자의 손에 있는 도구이며 이 도구는 어떤 경우에도 개선되어야 합니다.
신경망을 이용한 시장예측의 실효성에 관해서는 논란의 여지가 있는 문제이다. 올바른 접근으로 효율성을 얻을 수 있다고 생각합니다.
헤헤. 당신이 얼마나 틀렸어.
https://nplus1.ru/news/2016/11/03/glasses
이것은 심층 신경망 의 다소 이국적인 기능입니다. 언론인은 신경망이 흑인과 고릴라를 혼동한다는 사실에 대한 농담처럼 그러한 벼룩을 빨아 먹는 것을 좋아하지만 이것은 통계적으로 중요하지 않습니다. MO의 도움이 있어야만 적어도 시장에서 더 무작위로 무언가를 얻을 수 있습니다. 특히 시장에서와 같이 노이즈가 많은 시계열 무리의 경우 신경망이 최선의 선택이 아닙니다.
헛소리, 이것이 우리가 가진 유일한 것입니다. TA는 MO이기도 하며 매우 비효율적이고 모독적인 형태일 뿐입니다.
추신 : 앞으로의 날씨는 아주 정확하게(70-80%) 예측할 수 있으며 화장을 한 사람의 얼굴도 사람보다 더 나쁘게 인식될 수 없습니다.
쓰레기가 잘못 적용되었을 때, 왜 쓰레기인지 메시지에서 설명했습니다. 그리고 저는 MO 도구 자체에 대해 아무런 반대가 없습니다. AI 및 정보 처리 측면에서 미래입니다.
"정확히"라는 프로그램을 보셨습니까? 하나의 정사각형 안경의 모양을 변경하는 것은 제한되지 않습니다. 시장은 인식되지 않고 99%의 경우에 성공하는 방식으로 작동한다고 말할 수 있습니다.
쓰레기가 잘못 적용되었을 때, 왜 쓰레기인지 메시지에서 설명했습니다. 그리고 저는 MO 도구 자체에 대해 아무런 반대가 없습니다. AI 및 정보 처리 측면에서 미래입니다.
"정확히"라는 프로그램을 보셨습니까? 하나의 정사각형 안경의 모양을 변경하는 것은 제한되지 않습니다.
그러나 대부분의 경우 배심원단은 분장한 배우를 정확하게 인식합니다.
인간의 패턴 인식이 기계 인식보다 얼마나 우월한지 흥미롭습니다. 인간의 두뇌가 더 나은 신경망입니까? 모니터링되는 매개변수가 더 많습니까? 폭넓은 경험 기반?
최신 컴퓨터를 이 수준으로 끌어올릴 수 있습니까? 아니면 하드웨어 제한으로 인해 허용되지 않습니까?
쇼를 "그냥 똑같다"고 생각하면 다음과 같습니다.
1. 연사에 익숙하지 않은 사람은 아무도 알아볼 수 없지만 모든 사람은 구성된 사람을 분명히 알아보고 그렇지 않은 사람을 구별합니다.
즉, 위장한 사람을 정확하게 인식하려면 두 가지 유형의 경험이 필요합니다.
) 화장하지 않고 사람의 얼굴을 인식하는 경험.
b) 화장으로 사람의 얼굴을 지각하는 경험.
2. 화자를 인식하려면 사람이 세 번째 유형의 경험이 필요합니다. - 참가자의 얼굴 및 기타 생리적 매개변수에 대한 지식. 외모에 대한 지식뿐만 아니라 움직임, 목소리의 음영, 매너, 행동에 대한 지식도 필요합니다 ...
나는 결론을 내릴 수 있습니다. 기계가 이러한 모든 매개변수를 인식하도록 훈련되면 배심원단에 앉을 수도 있습니다.)
쓰레기가 잘못 적용되었을 때, 왜 쓰레기인지 메시지에서 설명했습니다. 그리고 저는 MO 도구 자체에 대해 아무런 반대가 없습니다. AI 및 정보 처리 측면에서 미래입니다.
"정확히"라는 프로그램을 보셨습니까? 하나의 정사각형 안경의 모양을 변경하는 것은 제한되지 않습니다. 시장은 인식되지 않고 99%의 경우에 성공하는 방식으로 작동한다고 말할 수 있습니다.
이 경우 당신이 옳았지만 "정확한 / 부정확한"을 공식화하지 않을 것입니다. 여기서 질문은 오히려 MO를 사용하는 기술 에 있습니다. 동일한 numer.ai를 예로 들어보겠습니다. 저를 포함하여 대부분 >0.69에 대해 이것은 54-55% 연령이지만 <0.6인 사람도 있습니다. 이는 약 70%의 연령을 의미합니다. 그들이 "올바른 행동 "는 의미에서 표준 수단을 사용합니다.
그러나 대부분의 경우 배심원단은 분장한 배우를 정확하게 인식합니다.
인간의 패턴 인식이 기계 인식보다 얼마나 우월한지 흥미롭습니다. 인간의 두뇌가 더 나은 신경망입니까? 모니터링되는 매개변수가 더 많습니까? 폭넓은 경험 기반?
최신 컴퓨터를 이 수준으로 끌어올릴 수 있습니까? 아니면 하드웨어 제한으로 인해 허용되지 않습니까?
대부분의 경우 참가자들은 신원 미상이라는 목표를 전혀 가지고 있지 않으며, 그들의 목표는 선택된 이미지와 유사하게 하는 것입니다. 그러나 이것은 사람의 외모가 어떻게 변할 수 있는지 보여주는 예일뿐입니다. 원한다면 성대 수술, 지문 변경 및 홍채 기증자 교체까지 엄마도 인식하지 못할 정도로 외모를 완전히 바꿀 수 있습니다. 것. 따라서 시장은 인식되지 않기 위해 변화하는 것이지 다른 방식으로 인식되기 위해 변화하는 것이 아닙니다.
그러나 외모가 변한 사람들에게 변하지 않는 것은 무엇입니까? 그들이 사람으로 남아 있다는 것은 변함이 없습니다. 즉, 두 다리, 두 팔 등이 있음을 의미합니다. 즉, 사람의 흔적이 남아 있고 변하지 않습니다. 사람의 일반적인 행동도 변하지 않습니다. 예를 들어 고양이 그릇에서 먹지 않을 것입니다.
즉, 기호를 상세하게 설명하기 보다는 오히려 기호를 일반화하고 불변의 기호를 식별하고 활용하는 것이 필요하다.
대부분의 경우 참가자들은 신원 미상이라는 목표를 전혀 가지고 있지 않으며, 그들의 목표는 선택된 이미지와 유사하게 하는 것입니다. 그러나 이것은 사람의 외모가 어떻게 변할 수 있는지 보여주는 예일뿐입니다. 원한다면 성대 수술, 지문 변경 및 홍채 기증자 교체까지 엄마도 인식하지 못할 정도로 외모를 완전히 바꿀 수 있습니다. 것. 따라서 시장은 인식되지 않기 위해 변화하는 것이지 다른 방식으로 인식되기 위해 변화하는 것이 아닙니다.
그러나 외모가 변한 사람들에게 변하지 않는 것은 무엇입니까? 그들이 사람으로 남아 있다는 것은 변함이 없습니다. 즉, 두 다리, 두 팔 등이 있음을 의미합니다. 즉, 사람의 흔적이 남아 있고 변하지 않습니다. 사람의 일반적인 행동도 변하지 않습니다. 예를 들어 고양이 그릇에서 먹지 않을 것입니다.
즉, 기호를 상세하게 설명하기 보다는 오히려 기호를 일반화하고 불변의 기호를 식별하고 활용하는 것이 필요하다.
다시 말하지만 ML을 사용하는 알고리즘 거래에서는 데이터와 기능이 분류 자체보다 훨씬 더 중요합니다. 촛대 패턴이 있는 이 모든 fap은 노이즈에 불과합니다.
대부분의 경우 참가자들은 신원 미상이라는 목표를 전혀 가지고 있지 않으며, 그들의 목표는 선택된 이미지와 유사하게 하는 것입니다. 그러나 이것은 사람의 외모가 어떻게 변할 수 있는지 보여주는 예일뿐입니다. 원한다면 성대 수술, 지문 변경 및 홍채 기증자 교체까지 엄마도 인식하지 못할 정도로 외모를 완전히 바꿀 수 있습니다. 것. 따라서 시장은 인식되지 않기 위해 변화하는 것이지 다른 방식으로 인식되기 위해 변화하는 것이 아닙니다.
그러나 외모가 변한 사람들에게 변하지 않는 것은 무엇입니까? 그들이 사람으로 남아 있다는 것은 변함이 없습니다. 즉, 두 다리, 두 팔 등이 있음을 의미합니다. 즉, 사람의 흔적이 남아 있고 변하지 않습니다. 사람의 일반적인 행동도 변하지 않습니다. 예를 들어 고양이 그릇에서 먹지 않을 것입니다.
즉, 기호를 상세하게 설명하기 보다는 오히려 기호를 일반화하고 불변의 기호를 식별하고 활용하는 것이 필요하다.
올바른 길을 가고 있다고 생각합니다. 인간의 인식과 기계의 인식의 차이를 명확하게 정의하기만 하면 됩니다.
1. 인간의 지각은 평생 동안 향상됩니다. 사람은 일생 동안 접촉하는 모든 것으로 경험을 풍부하게 합니다. 사고는 논리적 구성과 추상적 이미지를 구축하는 데 도움이 됩니다. 인간 두뇌의 신경망은 학습과 발달을 위한 거대한 잠재력을 가지고 있습니다.
2. 기계는 처음에 작성자에게 종속됩니다.
3. 그녀의 전문 지식은 그녀의 내부에 투자되고 특정 영역으로 제한됩니다.
4. 기계는 하드웨어 제한으로 인해 제한됩니다. 그것은 또한 그녀의 경험을 제한합니다.
나는 현대 신경망을 가르치는 것이 곤충을 훈련시키는 것과 같다고 생각합니다. 일은 많지만 의미는 거의 없습니다. 그러나 접근 방식을 바꾸거나 더 나은 컴퓨터를 만들면 더 좋을 것입니다.올바른 길을 가고 있다고 생각합니다. 인간의 인식과 기계의 인식의 차이를 명확하게 정의하면 됩니다.
1. 인간의 지각은 평생 동안 향상됩니다. 사람은 일생 동안 접촉하는 모든 것으로 경험을 풍부하게 합니다. 사고는 논리적 구성과 추상적 이미지를 구축하는 데 도움이 됩니다. 인간 두뇌의 신경망은 학습과 발달을 위한 엄청난 잠재력을 가지고 있습니다.
2. 기계는 처음에 작성자에게 종속됩니다.
3. 그녀의 전문 지식은 그녀의 내부에 투자되고 특정 영역으로 제한됩니다.
4. 기계는 하드웨어 제한으로 인해 제한됩니다. 그것은 또한 그녀의 경험을 제한합니다.
현대 신경망을 훈련시키는 것은 곤충을 훈련시키는 것과 같다고 생각합니다. 일이 많지만 의미는 거의 없습니다. 그러나 아마도 접근 방식을 바꾸거나 더 나은 컴퓨터를 만들면 더 좋을 것입니다.
나는 - 단순화, 일반화, 그리고 당신이 - 복잡하고 세부적인 것이 필요하다고 말합니다. 왜 인간의 인식을 일치시키려고 합니까? 20년 전 핸드브레이크를 인용문을 읽어서 병합한 것처럼 지금은 병합되지만 이미 MO와 그 분석을 사용하고 있다면 시장에서 인간의 인식에서 많은 의미가 있습니까?
논리적으로 생각해보자.
뭔가를 단순화하려면 이 문제의 복잡성을 자세히 알아야 합니다. 그녀의 장치를 알고 있습니다. 나는 그 과정을 복잡함, 상세함, 단순화로 본다. 개발의 모든 주기가 그렇습니다. 새롭고 새로운 차원으로의 승격.
기계 학습은 알고리즘 거래자의 손에 있는 도구이며 이 도구는 어떤 경우에도 개선되어야 합니다.
신경망을 이용한 시장예측의 실효성에 관해서는 논란의 여지가 있는 문제이다. 올바른 접근으로 효율성을 얻을 수 있다고 생각합니다.