Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 244
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ha, ha. Wie töricht du doch bist.
https://nplus1.ru/news/2016/11/03/glasses
Dies ist eine eher exotische Eigenschaft von tiefen neuronalen Netzen, Journalisten lieben es, solche Flöhe zu verhöhnen, wie den Witz über neuronale Netze, die Schwarze und Gorillas verwechseln, aber es ist nicht statistisch signifikant, das Wichtige ist, dass man nur mit MO etwas vom Markt bekommen kann, mehr Zufälligkeit, außerdem speziell für Zeitreihenbündel mit so viel Rauschen wie auf dem Markt, sind neuronale Netze nicht die beste Wahl.
Das ist kein Quatsch, es ist das Einzige, was wir haben. TA ist auch ICH, nur eine sehr ineffiziente, profane Form davon.
PS: Das Wetter kann ziemlich genau (70-80%) für die nächsten Tage vorhergesagt werden, auch das geschminkte Gesicht eines Menschen kann man genauso gut erkennen wie einen Menschen.
Es ist Blödsinn, wenn es falsch angewandt wird, und ich habe in dem Beitrag erklärt, warum es Blödsinn ist. Und ich habe nichts gegen MO-Tools an sich, sie sind die Zukunft in Bezug auf KI und Informationsverarbeitung.
Haben Sie die Fernsehsendung "Spot on" gesehen? Die Veränderung des Aussehens beschränkt sich nicht nur auf quadratische Gläser. Der Markt verhält sich so, dass er nicht wiederzuerkennen ist, und er ist in 99 % der Fälle erfolgreich.
Blödsinn, wenn er falsch angewendet wird. Ich habe in dem Beitrag erklärt, warum er Blödsinn ist. Und ich habe nichts gegen MO-Tools an sich, sie sind die Zukunft in Bezug auf KI und Informationsverarbeitung.
Haben Sie die Fernsehsendung "Spot on" gesehen? Die Veränderung des Aussehens beschränkt sich nicht nur auf quadratische Gläser.
In den meisten Fällen erkennt die Jury jedoch die geschminkten Schauspieler richtig.
Ich frage mich, wo die menschliche Mustererkennung der maschinellen Mustererkennung überlegen ist. Ist das menschliche Gehirn ein fortschrittlicheres neuronales Netz? Mehr rückverfolgbare Parameter? Breiterer Erfahrungsschatz?
Ist es möglich, einen modernen Computer auf dieses Niveau zu bringen, oder verhindern die Hardwarebeschränkungen dies?
Wenn wir die Sendung "Toe-to-Toe" betrachten, dann:
1. Die Person, die nicht mit dem Lautsprecher Teilnehmer vertraut ist, kann niemand erkennen, aber eindeutig alle erkennen Make-up Menschen und unterscheiden sie von nagrimirovannymi.
Es sind also zwei Arten von Erfahrungen erforderlich, um erfundene Personen richtig zu erkennen:
a) Die Erfahrung, menschliche Gesichter ungeschminkt wahrzunehmen.
b) Die Erfahrung, menschliche Gesichter geschminkt wahrzunehmen.
2. Um Sprecher zu erkennen, braucht man eine dritte Art von Erfahrung: die Kenntnis der Gesichter und anderer physiologischer Parameter der Teilnehmer. Man braucht nicht nur die Kenntnis des Aussehens, sondern auch der Bewegungen, des Stimmtons, der Manierismen, der Handlungen...
Ich kann daraus schließen: Wenn eine Maschine darauf trainiert ist, all diese Parameter zu erkennen, kann sie auch in einer Jury sitzen.)
Blödsinn, wenn er falsch angewendet wird. Ich habe in dem Beitrag erklärt, warum er Blödsinn ist. Und ich habe nichts gegen MO-Tools an sich, sie sind die Zukunft in Bezug auf KI und Informationsverarbeitung.
Haben Sie die Fernsehsendung "Spot on" gesehen? Die Veränderung des Aussehens beschränkt sich nicht nur auf quadratische Gläser. Der Markt verhält sich sozusagen unerkennbar und ist in 99 % der Fälle erfolgreich.
In diesem Fall haben Sie recht, aber ich würde es nicht als "richtig/falsch" formulieren, sondern die Frage lautet eher Beherrschung der Anwendung von MO, in den Feinheiten, für ziemlich komplexe Daten, mit einer großen Menge an Rauschen. Nehmen wir zum Beispiel numer.ai, die meisten haben >0,69, mich eingeschlossen, das sind 54-55 % des Alters, aber es gibt auch diejenigen, die <0,6 haben, das bedeutet etwa 70 % des Alters, ich bin nicht sicher, ob sie "richtig" handeln, ich meine, wenn man Standardmittelwerte verwendet.
In den meisten Fällen werden die Geschworenen die geschminkten Schauspieler jedoch richtig erkennen.
Ich frage mich, inwiefern die menschliche Mustererkennung der maschinellen Mustererkennung überlegen ist. Ist das menschliche Gehirn ein fortschrittlicheres neuronales Netz? Mehr rückverfolgbare Parameter? Eine breitere Erfahrungsbasis?
Ist es möglich, einen modernen Computer auf dieses Niveau zu bringen, oder verhindern die Hardwarebeschränkungen dies?
In den meisten Fällen haben die Teilnehmer gar nicht das Ziel, unerkennbar zu sein, sondern dem gewählten Bild zu gleichen. Aber das ist nur ein Beispiel dafür, wie sich das Aussehen eines Menschen verändern kann; wenn Sie wollen, können Sie Ihr Aussehen komplett verändern, so dass selbst Ihre Mutter es nicht wiedererkennen würde, bis hin zu Sprachoperationen, die Fingerabdrücke verändern und die Iris durch Spenderaugen ersetzen. Der Markt verändert sich also, um nicht erkannt zu werden, um nicht in einem anderen Bild erkannt zu werden.
Doch was bleibt bei Menschen mit verändertem Aussehen konstant? Was unverändert bleibt, ist, dass sie immer noch Menschen sind, das heißt, sie haben zwei Beine, zwei Arme und so weiter, das heißt, die Zeichen eines Menschen bleiben und ändern sich nicht. Das allgemeine Verhalten eines Menschen ändert sich nicht, er wird zum Beispiel nicht aus dem Napf einer Katze essen.
Das heißt, anstatt die Merkmale im Einzelnen zu beschreiben, müssen die Merkmale verallgemeinert, die unveränderlichen Merkmale ermittelt und genutzt werden.
In den meisten Fällen haben die Teilnehmer gar nicht das Ziel, nicht identifizierbar zu sein, sondern so auszusehen wie das ausgewählte Bild. Aber das ist nur ein Beispiel dafür, wie sich das Aussehen eines Menschen verändern kann; wenn Sie wollen, können Sie Ihr Aussehen komplett verändern, so dass selbst Ihre Mutter es nicht wiedererkennen würde, bis hin zu Stimmbandoperationen, um Fingerabdrücke zu verändern und Ihre Iris durch Spenderaugen zu ersetzen. Der Markt verändert sich also, um nicht erkannt zu werden, um nicht in einem anderen Bild erkannt zu werden.
Doch was bleibt bei Menschen mit verändertem Aussehen konstant? Was unverändert bleibt, ist, dass sie immer noch Menschen sind, das heißt, sie haben zwei Beine, zwei Arme und so weiter, das heißt, die Zeichen eines Menschen bleiben und ändern sich nicht. Das allgemeine Verhalten eines Menschen ändert sich nicht, er wird zum Beispiel nicht aus dem Napf einer Katze essen.
Das heißt, anstatt die Merkmale im Einzelnen zu beschreiben, müssen die Merkmale verallgemeinert, die unveränderlichen Merkmale ermittelt und genutzt werden.
Wieder einmal haben Sie Recht, im algorithmischen Handel mit MO ist es wichtiger, Daten und Attribute zu haben als die Klassifizierung selbst, all das Herumhantieren mit Candlestick-Mustern ist nichts weiter als Rauschen.
In den meisten Fällen haben die Teilnehmer gar nicht das Ziel, nicht identifizierbar zu sein, sondern so auszusehen wie das ausgewählte Bild. Aber das ist nur ein Beispiel dafür, wie sich das Aussehen eines Menschen verändern kann; wenn Sie wollen, können Sie Ihr Aussehen komplett verändern, so dass selbst Ihre Mutter es nicht wiedererkennen würde, bis hin zu Stimmbandoperationen, um Fingerabdrücke zu verändern und Ihre Iris durch Spenderaugen zu ersetzen. Der Markt verändert sich also, um nicht erkannt zu werden, um nicht in einem anderen Bild erkannt zu werden.
Doch was bleibt bei Menschen mit verändertem Aussehen konstant? Was unverändert bleibt, ist, dass sie immer noch Menschen sind, das heißt, sie haben zwei Beine, zwei Arme und so weiter, das heißt, die Zeichen eines Menschen bleiben und ändern sich nicht. Das allgemeine Verhalten eines Menschen ändert sich nicht, er wird zum Beispiel nicht aus dem Napf einer Katze essen.
Das heißt, anstatt die Merkmale im Einzelnen zu beschreiben, müssen die Merkmale verallgemeinert, die unveränderlichen Merkmale ermittelt und genutzt werden.
Ich denke, wir denken in die richtige Richtung. Wir müssen uns nur über den Unterschied zwischen menschlicher Wahrnehmung und maschineller Wahrnehmung im Klaren sein.
Die menschliche Wahrnehmung vervollkommnet sich im Laufe des Lebens. Der Mensch bereichert seine Erfahrungen mit allem, womit er im Laufe des Lebens in Berührung kommt. Das Denken hilft ihm/ihr, logische Strukturen und abstrakte Bilder aufzubauen. Das neuronale Netz des menschlichen Gehirns verfügt über ein kolossales Lern- und Entwicklungspotenzial. 3.
2. Die Maschine ist von Natur aus vom Schöpfer abhängig.
3. seine Erfahrung ist in ihm angelegt und auf einen bestimmten Bereich beschränkt.
4. Die Maschine ist durch ihre Hardwarebeschränkungen limitiert. Dies schränkt auch seine Erfahrung ein.
Ich denke, ein modernes Neuronetz zu trainieren ist wie ein Insekt zu trainieren - viel Arbeit, aber wenig Nutzen. Aber vielleicht wird es besser, wenn wir den Ansatz ändern oder fortschrittlichere Computer bauen.Ich denke, wir sind auf dem richtigen Weg. Man muss sich nur über den Unterschied zwischen menschlicher Wahrnehmung und maschineller Wahrnehmung im Klaren sein.
1. Die menschliche Wahrnehmung vervollkommnet sich im Laufe des Lebens. Der Mensch bereichert seine Erfahrungen mit allem, womit er im Laufe des Lebens in Berührung kommt. Das Denken hilft ihm, logische Strukturen und abstrakte Bilder aufzubauen. Das neuronale Netz des menschlichen Gehirns verfügt über ein kolossales Lern- und Entwicklungspotenzial. 3.
2. Die Maschine ist von Natur aus vom Schöpfer abhängig.
3. seine Erfahrung ist in ihm angelegt und auf einen bestimmten Bereich beschränkt.
4. Die Maschine ist durch ihre Hardwarebeschränkungen limitiert. Dies schränkt auch seine Erfahrung ein.
Ich denke, das Training eines modernen neuronalen Netzes ist wie das Training eines Insekts - viel Arbeit, aber wenig Nutzen. Aber vielleicht wird es besser, wenn wir den Ansatz ändern oder fortschrittlichere Computer bauen.
Ich sage, wir sollten vereinfachen, verallgemeinern, und Sie sagen, wir sollten komplizieren, detaillieren. Warum sollten wir versuchen, uns der menschlichen Wahrnehmung anzupassen? Wie viel Nutzen hat die menschliche Wahrnehmung auf dem Markt, wenn manuelle Händler vor 20 Jahren durch das Lesen des Tickers Gewinne verloren haben, und sie es jetzt mit technischer Analyse und MODs tun.
Lassen Sie uns logisch denken:
Um etwas zu vereinfachen, müssen wir die Komplexität dieser Sache gründlich verstehen. Seine Struktur zu kennen. Ich sehe den Prozess als Komplikation, Detaillierung und Vereinfachung. Das gilt für jeden Entwicklungszyklus. Anhebung auf ein neues und neues Niveau.
Maschinelles Lernen ist ein Werkzeug in den Händen eines Algotraders, und dieses Werkzeug muss auf jeden Fall verbessert werden.
Über die Wirksamkeit von Marktprognosen durch neuronale Netze lässt sich streiten. Ich denke, mit dem richtigen Ansatz lässt sich Effizienz erreichen.