Prévision de séries chronologiques avec Deductor Academic 5.2 - page 5

Nouveau commentaire
 
Il montre tout, les virages et la force.
 
Tout dépend des cadres et des paramètres. 70 % à 95 %.
 
AAAksakal:
Tout dépend des cadres et des paramètres. 70 % à 95 %.
Quelque chose comme ça mais sur des nouvelles fortes hélas.
 
Il ne se soucie pas non plus des nouvelles. Je reçois les nouvelles des prévisions de Ded.
 
AAAksakal:
Oui tout ce qu'il montre et les renversements et la force .

Les preuves sont très souhaitables. C'est une grande nouvelle qu'il soit possible de prévoir sur des sections instables de la BP. Vous êtes le seul à l'affirmer, je n'en connais pas d'autres.
 
Il n'est pas reconnaissant de prouver quoi que ce soit, en fait il est très difficile de faire de bonnes prévisions. De très nombreux facteurs influencent la création d'une prévision précise, par exemple la chose suivante, si vous faites une prévision, il est préférable de le faire en début de journée, vous ne devriez pas faire une prévision au milieu des sessions de trading. Vous pouvez faire une prévision quand une session s'est entièrement déroulée mais, la fenêtre de plongée de l'historique devrait être reculée de 24 heures +1 à la session de trading...... Les meilleures prévisions sont obtenues pour 5 min., neuron.net, comme je déteste l'admettre, je ne le supporte pas car 95% sont des déchets, cependant le réseau doit être ajusté pour chaque paire séparément, cela prend aussi beaucoup de temps et il y a quelques subtilités....... Il y a en fait beaucoup de subtilités.
 
AAAksakal:
Prouver quoi que ce soit n'est pas une entreprise qui en vaut la peine.
C'est incroyable qu'il y ait des gens sur le marché qui en soient fiers. Je veux dire, vous pouvez montrer une course de testeurs avec un graphique. Ou bien tout ce que vous avez écrit n'est qu'un ramassis d'âneries ?
 
Oui, j'ai oublié d'ajouter une partie importante. Si vous voulez mettre à jour votre prévision, vous devrez démonter le bloc linéaire ou net et recommencer le traitement. Sinon, vous obtiendrez une mise à jour, mais avec les anciens coefficients, ils ne seront pas mis à jour. Lorsque vous démolissez et commencez de nouveaux blocs, vous obtiendrez de nouveaux coefficients.
 
Au revoir, tout le monde.
 

Ce procureur est assez faible.


Je l'ai fait fonctionner sur un exemple simple de reconnaissance classique :


Exemples de chaînes de caractères :

1. Oiseau

2. Mouche

3. Avion

4. Planeur

5. Fusée non ailée

Les six premières colonnes sont des entrées d'objets reconnaissables. Le reste des colonnes sont des sorties.




Une grille à deux couches : 6 x 2 x 6 x 6


Lorsqu'il est testé avec la propagation inverse, c'est une vraie déception, car 40 % des échantillons d'entraînement ont une séparabilité linéaire, si l'erreur est inférieure à 0,01, alors l'échantillon d'entraînement est considéré comme reconnu.


Ainsi, ni un avion, ni un planeur, ni une fusée n'ont été reconnus, toutes les sorties n'ont que des valeurs négatives avec n'importe quelles entrées. L'oiseau et le planeur sont reconnus avec assez de précision. La sortie des différences entre les objets biologiques et les objets mécaniques a également été reconnue de manière assez précise.



Lorsque l'on teste RPROP dans les mêmes conditions et avec la même architecture, les résultats sont meilleurs :

Donc ici, la séparabilité linéaire est déjà de 100%, mais des erreurs sont présentes.

1234567
Nouveau commentaire