L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 589

 
Vladimir Perervenko:

C'è un nuovo, buon libro sull'apprendimento profondo. Purtroppo non posso dare un link aperto, è su rutracker.org.

Apprendimento profondo
Anno di pubblicazione: 2018
Autore: Nikolenko S. I., Kadurin A. A., Arkhangelskaya E. О.
Genere o tema: Reti neurali
Editore: Peter
Serie: Biblioteca del programmatore
ISBN: 978-5-496-02536-2
Lingua: Russo
Formato: PDF
Qualità: testo riconosciuto con errori (OCR)
Indice interattivo: Nessuno
Numero di pagine: 479

Grazie. Se avete un link, per favore. Non ancora trovato.
 
Yuriy Asaulenko:
Grazie. Se hai un link per favore mandamelo. Non lo sto ancora cercando.
Buona fortuna
 
Yuriy Asaulenko:
La classificazione definisce un punto nel tempo in cui un trade è solo statisticamente promettente. Non è una previsione. Piuttosto, è più simile al riconoscimento dei modelli.

Ancora una volta: la combinazione dei predittori dice che ci sarà un lungo prima della prossima clausola. Naturalmente, la VARIETÀ di tale evento è determinata, ma questa probabilità è divisa in due classi (con un insegnante binario). Si può fare su base 50/50, si può fare in modo diverso.

Non è una previsione?

 
Yuriy Asaulenko:
Grazie. Se avete un link da buttare in un messaggio privato, per favore. Non ancora trovato.

Cerca qui.

A pagamento. Il libro in questione costa 10 rubli. Quindi è ufficiale.

L'ho scaricato per te, ma non posso allegare - file troppo grande (18mb).

 
SanSanych Fomenko:

Cerca qui.

A pagamento. Il libro in questione costa 10 rubli. Quindi è ufficiale.

L'ho scaricato per te, ma non posso allegarlo - il file è troppo grande (18mb).


Ma scaricare su Ya o disco G plz, anche leggere.

 
Maxim Dmitrievsky:

e metterlo sul mio G-drive o J-drive, lo leggerò anch'io.

Sembra essere qui

 
SanSanych Fomenko:

Credo che sia qui dentro.


sì, grazie :) è stato raccomandato anche a me, a proposito.

 
Vladimir Perervenko:

C'è un nuovo, buon libro sull'apprendimento profondo. Purtroppo non posso dare un link aperto, è su rutracker.org.

Apprendimento approfondito.
Anno di pubblicazione: 2018
Autore: Nikolenko S. I., Kadurin A. A., Arkhangelskaya E. O.
Genere o tema: Reti neurali
Editore: Peter
Serie: Programmer's Library
ISBN: 978-5-496-02536-2
Lingua: russo
Formato: PDF
Qualità: testo riconosciuto con errori (OCR)
Indice interattivo: Nessuno
Numero di pagine: 479

L'ho sfogliato e ho fatto qualche lettura in diagonale.

Impressione generale:

Il libro non è male, con esempi concreti in Python in ogni capitolo. Ho appena iniziato a entrare in Ruthon, e la scelta delle biblioteche tematiche è un problema. La scelta, naturalmente, è tutt'altro che limitata a TensorFlow, ma il codice Python attuale dà molto.

Vengono trattati argomenti che mancano in altri libri. La letteratura tradotta sull'argomento è chiaramente scarsa al momento. In particolare sulle reti incomplete e convoluzionali. Qualcosa che ho anche iniziato ad affrontare di recente.

Sui lati negativi, forse, un sacco di generalità. Non parlo di un excursus storico a partire da Wiener e Turing.

Forse i libri stranieri (tradotti) sono scritti meglio. Ancora una volta, questo libro è molto buono fin dall'inizio (dagli anni 90).

 

i capitoli 9,10 sono infuocati, q-learning e probabilsitic NN

proprio quello di cui abbiamo bisogno... a proposito haikin ha anche

 
Maxim Dmitrievsky:

i capitoli 9,10 sono infuocati, q-learning e probabilsitic NN

proprio quello che ti serve... Heikin a proposito ha anche

Anche Heikin ha collegamenti incompleti - vedi: esclusione dei collegamenti tra i neuroni. Qual è il punto. Non ci sono algoritmi pronti all'uso, e anche se ci sono, sono sepolti da qualche parte in profondità.