도서관 : 그리고 Reshetov Classifier와 그 프로그램에서 여전히 네트워크가 아니라 하나의 뉴런입니까? 아니면 그들은 Reshetovskh 뉴런의 네트워크로 통합되어 있습니까?
솔직히 말해서, 나는 그것이 어떻게 작동하는지조차 모릅니다. 저는 다음과 같이 생각합니다. 샘플은 테스트 및 교육의 두 부분으로 나뉩니다. 하나의 그리드는 한 사이트에서 학습하고 두 번째 사이트에서 테스트됩니다. 반대로 다른 하나는 두 번째에 대해 연구하고 첫 번째에 훈련을 받은 다음 결과를 합산하여 전체 결과를 계산합니다. 이와 같은 IMHO
작가님께 연락이 오지 않을 것 같아서 이런 저런 글을 썼습니다. 조용한. 그러나 내가 아는 한, 그는 한 번 그 안에서 가능한 모든 것과 평행을 이루었다고 썼습니다. 이것은 정확히 그의 말입니다. 예, 실제로 위원회에서 작동하는 두 개의 그리드에 대한 교육이 있습니다. 나는 이것을 내 기사에 썼다. 둘 다 예라고 표시되면 예, 아니요이면 아니요, 둘 다 일관되지 않게 표시되면 "모릅니다." 최신 버전인지는 모르겠는데 설명은 님이 보내주신 링크인 구글을 기반으로 하고 있습니다. vps 서버에서 버전 3을 실행하고 실망스럽게도 옵티마이저는 하나의 코어만 로드했지만 최신 버전은 모든 코어를 고르게 로드하므로 여전히 병렬화가 있는 것 같습니다. 그것은 작은 경우에 남아 있습니다. 코어 수를 늘리십시오 :-)
나는 여기 mql에서 Yuri에게 썼습니다. MB가 대답할 것입니다. :) 일반적으로 나는 2개의 네트워크를 사용하는 이 접근 방식에 동의하지 않습니다. 왜 그런가요? Google 사이트에는 혁신에 대한 설명이 없으며 Brown Robinson에 대해서만 있습니다. 레셰토프 알고리즘
나는 여기 mql에서 Yuri에게 썼습니다. MB가 대답할 것입니다. :) 일반적으로 나는 2개의 네트워크를 사용하는 이 접근 방식에 동의하지 않습니다. 왜 그런가요? Google 사이트에는 혁신에 대한 설명이 없습니다.
네, 그렇습니다. 이전 버전과 기본 접근 방식만 있습니다. 그러나 실습에서 알 수 있듯이 2격자 접근 방식은 일반화 능력을 크게 향상시킵니다. 옵티마이저의 작업 결과는 다음 파일입니다. 여기에서 두 개의 그리드를 볼 수 있으며 각 그리드에는 자체 정규화가 있으며 결과는 맨 마지막에 결합됩니다.
그래서 Reshetov는 정상적인 제품을 만들었습니다. 헛된 당신은 그를 정직하다고 비난했습니다 ......
네, 그렇습니다. 이전 버전과 기본 접근 방식만 있습니다. 그러나 실습에서 알 수 있듯이 2격자 접근 방식은 일반화 능력을 크게 향상시킵니다. 옵티마이저의 작업 결과는 다음 파일입니다. 여기에서 두 개의 그리드를 볼 수 있으며 각 그리드에는 자체 정규화가 있으며 결과는 맨 마지막에 결합됩니다.
그래서 Reshetov는 정상적인 제품을 만들었습니다. 헛된 당신은 그를 정직하다고 비난했습니다 ......
어쨌든 이제 질문은 다음과 같습니다. 코드가 많고 입력해야 하는 경우가 바로 이때입니다. 아마도 우리는 GPU에서 최적화 프로그램을 실행하려고 할 것입니다 ???? 성능이 향상되면 병렬 프로그램에서 실제로 아무것도 변경할 필요가 없지만 맛과 색상으로 다시 작성합니다. GPU에서 Optimizer를 실행해 볼까요????
마이클 마르쿠카이테스 : 어쨌든 이제 질문은 다음과 같습니다. 코드가 많고 입력해야 하는 경우가 바로 이때입니다. 아마도 우리는 GPU에서 최적화 프로그램을 실행하려고 할 것입니다 ???? 성능이 향상되면 병렬 프로그램에서 실제로 아무것도 변경할 필요가 없지만 맛과 색상으로 다시 작성합니다. GPU에서 Optimizer를 실행해 볼까요????
GPU 아래에서 별도의 커널 을 작성하고 코드의 일부를 제거해야 하는 모든 것이 쉽지 않습니다. 나는 그것을 mql로 다시 작성하려고 생각했는데 거기에서 구현하는 것이 더 쉬울 것입니다. Java에서는 그다지 좋지 않습니다. 더듬거리다. 그러나 새 버전을 다시 작성하는 것은 특히 알고리즘을 이해하지 않고는 거의 불가능합니다.
그리고 빠르게 분류되는 예측 변수에 대해 더 간단한 세트를 버리고 다른 MO 모델과 결과를 비교할 것입니다. 모든면에서 정말 시원하다면 GPU에서 할 수있는 방법을 찾을 것입니다.
GPU 아래에서 별도의 커널 을 작성하고 코드의 일부를 제거해야 하는 모든 것이 쉽지 않습니다. 나는 그것을 mql로 다시 작성하려고 생각했는데 거기에서 구현하는 것이 더 쉬울 것입니다. Java에서는 그다지 좋지 않습니다. 더듬거리다. 그러나 새 버전을 다시 작성하는 것은 특히 알고리즘을 이해하지 않고는 거의 불가능합니다.
그리고 빠르게 분류되는 Jpredictor에 대한 몇 가지 간단한 세트를 버리고 다른 MO 모델과 결과를 비교할 것입니다.
그리고 Reshetov Classifier와 그 프로그램에서 여전히 네트워크가 아니라 하나의 뉴런입니까? 아니면 그들은 Reshetovskh 뉴런의 네트워크로 통합되어 있습니까?
솔직히 말해서, 나는 그것이 어떻게 작동하는지조차 모릅니다. 저는 다음과 같이 생각합니다. 샘플은 테스트 및 교육의 두 부분으로 나뉩니다. 하나의 그리드는 한 사이트에서 학습하고 두 번째 사이트에서 테스트됩니다. 반대로 다른 하나는 두 번째에 대해 연구하고 첫 번째에 훈련을 받은 다음 결과를 합산하여 전체 결과를 계산합니다. 이와 같은 IMHO
작가님께 연락이 오지 않을 것 같아서 이런 저런 글을 썼습니다. 조용한. 그러나 내가 아는 한, 그는 한 번 그 안에서 가능한 모든 것과 평행을 이루었다고 썼습니다. 이것은 정확히 그의 말입니다. 예, 실제로 위원회에서 작동하는 두 개의 그리드에 대한 교육이 있습니다. 나는 이것을 내 기사에 썼다. 둘 다 예라고 표시되면 예, 아니요이면 아니요, 둘 다 일관되지 않게 표시되면 "모릅니다." 최신 버전인지는 모르겠는데 설명은 님이 보내주신 링크인 구글을 기반으로 하고 있습니다. vps 서버에서 버전 3을 실행하고 실망스럽게도 옵티마이저는 하나의 코어만 로드했지만 최신 버전은 모든 코어를 고르게 로드하므로 여전히 병렬화가 있는 것 같습니다. 그것은 작은 경우에 남아 있습니다. 코어 수를 늘리십시오 :-)
나는 여기 mql에서 Yuri에게 썼습니다. MB가 대답할 것입니다. :) 일반적으로 나는 2개의 네트워크를 사용하는 이 접근 방식에 동의하지 않습니다. 왜 그런가요? Google 사이트에는 혁신에 대한 설명이 없으며 Brown Robinson에 대해서만 있습니다. 레셰토프 알고리즘
나는 여기 mql에서 Yuri에게 썼습니다. MB가 대답할 것입니다. :) 일반적으로 나는 2개의 네트워크를 사용하는 이 접근 방식에 동의하지 않습니다. 왜 그런가요? Google 사이트에는 혁신에 대한 설명이 없습니다.
네, 그렇습니다. 이전 버전과 기본 접근 방식만 있습니다. 그러나 실습에서 알 수 있듯이 2격자 접근 방식은 일반화 능력을 크게 향상시킵니다. 옵티마이저의 작업 결과는 다음 파일입니다. 여기에서 두 개의 그리드를 볼 수 있으며 각 그리드에는 자체 정규화가 있으며 결과는 맨 마지막에 결합됩니다.
그래서 Reshetov는 정상적인 제품을 만들었습니다. 헛된 당신은 그를 정직하다고 비난했습니다 ......
네, 그렇습니다. 이전 버전과 기본 접근 방식만 있습니다. 그러나 실습에서 알 수 있듯이 2격자 접근 방식은 일반화 능력을 크게 향상시킵니다. 옵티마이저의 작업 결과는 다음 파일입니다. 여기에서 두 개의 그리드를 볼 수 있으며 각 그리드에는 자체 정규화가 있으며 결과는 맨 마지막에 결합됩니다.
그래서 Reshetov는 정상적인 제품을 만들었습니다. 헛된 당신은 그를 정직하다고 비난했습니다 ......
내가 속였어? 그런건 전혀 없었어.. 네, 이 파일을 봤어요
내가 속였어? 그런건 전혀 없었어.. 네, 이 파일을 봤어요
예, 정확히 당신이 무엇인지 말하는 것이 아니라 일반적으로 이 지점의 주민들에 대해 말하는 것입니다 ......
예, 정확히 당신이 무엇인지 말하는 것이 아니라 일반적으로 이 지점의 주민들에 대해 말하는 것입니다 ......
네, 모든 지점에 트롤이 많습니다 :)
어쨌든 이제 질문은 다음과 같습니다. 코드가 많고 입력해야 하는 경우가 바로 이때입니다. 아마도 우리는 GPU에서 최적화 프로그램을 실행하려고 할 것입니다 ???? 성능이 향상되면 병렬 프로그램에서 실제로 아무것도 변경할 필요가 없지만 맛과 색상으로 다시 작성합니다. GPU에서 Optimizer를 실행해 볼까요????
GPU 아래에서 별도의 커널 을 작성하고 코드의 일부를 제거해야 하는 모든 것이 쉽지 않습니다. 나는 그것을 mql로 다시 작성하려고 생각했는데 거기에서 구현하는 것이 더 쉬울 것입니다. Java에서는 그다지 좋지 않습니다. 더듬거리다. 그러나 새 버전을 다시 작성하는 것은 특히 알고리즘을 이해하지 않고는 거의 불가능합니다.
그리고 빠르게 분류되는 예측 변수에 대해 더 간단한 세트를 버리고 다른 MO 모델과 결과를 비교할 것입니다. 모든면에서 정말 시원하다면 GPU에서 할 수있는 방법을 찾을 것입니다.
GPU 아래에서 별도의 커널 을 작성하고 코드의 일부를 제거해야 하는 모든 것이 쉽지 않습니다. 나는 그것을 mql로 다시 작성하려고 생각했는데 거기에서 구현하는 것이 더 쉬울 것입니다. Java에서는 그다지 좋지 않습니다. 더듬거리다. 그러나 새 버전을 다시 작성하는 것은 특히 알고리즘을 이해하지 않고는 거의 불가능합니다.
그리고 빠르게 분류되는 Jpredictor에 대한 몇 가지 간단한 세트를 버리고 다른 MO 모델과 결과를 비교할 것입니다.
나는 단축 버전이 있습니다. 이것은 세트이며 결과는 조금 더 높게 게시했습니다.
나는 단축 버전이 있습니다. 이것은 세트이며 결과는 조금 더 높게 게시했습니다.
좋아, 버즈, 오늘 나중에 나는 비교 테스트를 버릴 것이다