Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2097
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
jajaja )) la corona danesa manda sobre el euro )))
estaba recordando... o burrito o boquerón... boruta, cierto
Me estaba acordando... es burrito o anchoa... boruta, claro.
No me impresiona.
este sombrero debe comprimir el espacio de características para que los ns no se retraigan a nada, a ningún ruido
El cohete hace lo mismo, pero sin red neuronal y todos los núcleos son aleatorios. Y luego se eligen los mejores, por entropía o lo que sea
El problema de las redes convolucionales es la selección de la arquitectura, por lo que hay que utilizar modelos ya existentes, redes de descanso, etc.
Pregunta para los periodistas, ¿qué ocurre el día 4 o 5 de cada mes?
Otra pregunta sobre el andamiaje, ¿puede establecerse como objetivo la "maximización del beneficio" en lugar de la partición de clases o la regresión?
El problema con las redes convolucionales es la selección de la arquitectura, por lo que hay que utilizar modelos ya existentes, como restnet, etc.
¿preparado para qué? tienes que hacer el tuyo propio, no es tan difícil... es más difícil empezar
¿Preparado para qué? Tienes que hacer el tuyo propio, no es tan difícil... es más difícil empezar
Pre-entrenado. La mayoría de los convolucionales se utilizan para el reconocimiento de imágenes. Cada capa resalta algunas características (rayas, esquinas), de forma similar al cerebro. Puedes coger una red ya hecha (que se ha entrenado en superordenadores) y preentrenarla con tus ejemplos.
Más información (de What Our Image Recognizer Learned)Pre-entrenado. La mayoría de los convolucionales se utilizan para el reconocimiento de imágenes. Cada capa destaca algunas características (rayas, esquinas), como en el cerebro. Puedes tomar una red ya hecha (que ha sido entrenada en superordenadores) y preentrenarla utilizando tus ejemplos.
Más información (de What Our Image Recognizer Learnt)¿has entendido lo que acabo de decir? ) tomar una red entrenada por SEAL y entrenarla en incrementos?
esta eugenesia es nueva para mí
este sombrero debe comprimir el espacio de características para que los ns no se retraigan a nada, a ningún ruido
El cohete hace lo mismo, pero sin red neuronal y todos los núcleos son aleatorios. Y luego se eligen los mejores, por entropía o lo que sea.
Inténtalo, no se me da bien.
Otra pregunta sobre el andamiaje, ¿es posible establecer el objetivo como "maximización de beneficios" en lugar de dividir en clases o regresión?
La maximización del beneficio es una tarea de optimización, hay otros algoritmos, la genética, el recocido...
Las fuerzas son el aprendizaje asistido por el profesor, se necesita la partición...
Me pregunto cómo encaja.
¿has entendido lo que te he sugerido? ) ¿Tomar una red entrenada por SEAL y entrenarla en incrementos?
eso es lo más eugenésico que he visto nunca
mira el enlace y desplázate hacia abajo, te harás una idea
mira el enlace y desplázate hacia abajo, te harás una idea.