Redes neuronales artificiales. - página 11
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
El resultado es mejor que cualquier crítica. En primer lugar, se eligieron los métodos equivocados para resolver el problema
He borrado todos mis mensajes por si acaso, el moderador piensa que es publicidad
He borrado todos mis mensajes por si acaso, el moderador piensa que es publicidad
¿puede hacer su cuenta también? :)
Como usted dice, querido moderador.
- ¡¡¡Los científicos han cruzado recientemente una mosca con un matamoscas!!!
- ¿Y qué?
- Un espécimen muy suicida.
- ¡¡¡Los científicos han cruzado recientemente una mosca con un matamoscas!!!
- ¿Y qué?
- Un espécimen muy suicida.
Los criadores se reprodujeron, y los científicos medioambientales no tuvieron tiempo de incluir al animal samoyedo en el Libro Rojo...
;)
Cierto. Y los programas de ajedrez nunca aprenderán a jugar por encima de la segunda categoría.
Ya he oído eso antes.
--
Vladimir, espero que tu locura sea temporal, y no me gustaría que durara treinta años (como la de Marvin Minsky).
Pero es divertido, sí.
;)
Por cierto, ¡una gran idea!
Justo cuando las redes neuronales sean capaces de aprender a jugar (sólo las reglas) al ajedrez, viendo las partidas que ya han perdido antes, me creeré que con una herramienta tan primitiva como las redes neuronales se puede hacer algo decente.
Las redes neuronales están diseñadas principalmente para el reconocimiento de patrones (búsqueda automática de situaciones ya vistas), pero no para la detección de ningún patrón.
¿Así que tal vez los comerciantes no están enseñando la red correctamente? Cómo va ahora (en mi opinión de lego):
1. El comerciante elige el marco temporal en el que tendrá lugar la formación.
2. Selecciona las señales de entrada (indicadores, precios de barras, etc.).
Aprovecharé tu post para apoyarme en la respuesta y unirme a uno de los autores anteriores: ¡La mejor red neuronal es una descomposición de series de Fourier! Coge toda la historia, toma una escala de ondas cortas de, digamos, 10 minutos, descomponla en una serie, consigue una "máquina del tiempo" escondida detrás de los coeficientes, úsala para "predecir" el futuro en un probador, y ya está. Tienes un resultado simplemente genial en toda la historia. Pero al menos aquí se puede ver esta máquina del tiempo, pero en las redes neuronales apenas se puede ver. Las redes neuronales pueden reconocer imágenes; las imágenes pueden ser cualquier cosa; hay métodos más eficientes para reconocer imágenes, pero lo que hace que las redes neuronales sean buenas es que pueden reentrenarse de acuerdo con el hecho de lo que está sucediendo ahora. Eso es lo suyo. Pero eso es también lo único que tienen. Para analizar mentalmente la aplicabilidad de las redes neuronales, imaginemos que se trata simplemente de un sistema de reconocimiento de patrones.
Por cierto, ¡una gran idea!
Cuando las redes neuronales sean capaces de aprender a jugar (sólo las reglas) al ajedrez, viendo las partidas ya perdidas anteriormente, creeré que con una herramienta tan primitiva como las redes neuronales se puede hacer algo decente.
Las redes neuronales están diseñadas principalmente para el reconocimiento de patrones (búsqueda automática de situaciones ya vistas), pero no para la detección de ningún patrón.