L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1538
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
dtw, analisi dello spettro... un mucchio...
Sono riuscito a creare un algoritmo che sa vedere gli stessi pattern indipendentemente dalla loro grandezza, cioè l'algoritmo guarda un grafico e vede il pattern su entrambi i grafici 1 minuto e settimanale, guardando solo un grafico, e può fare previsioni reali, ma ho ancora molto lavoro
Ho iniziato a leggere sul dtw, ma non so come applicarlo a un grafico finlandese e a cosa mi serve) ma è un argomento interessante, credo
Ho iniziato a leggere qualcosa su dtw, ma non ho capito come applicarlo alle file di finanza e perché ne ho bisogno) ma l'argomento è interessante, credo
i file vocali e musicali sono compressi con dtw e sono anche VR
;)
i file vocali e musicali sono compressi utilizzando dtw, che a loro volta sono anche VR
;)
ma perché comprimere i file finanziari con dtw :)
ma perché spremere il fin. tempo :)
Ho già studiato questo argomento, con parole mie, è qualcosa del genere:
Ecco la cosa sudtw: è un algoritmo appropriato per comprimere la BP - BP, non un qualsiasi tipo di dati, qualunque essi siano
Bene, se sappiamo come comprimere correttamente i dati - otteniamo dei pacchetti? - o che siano modelli di dati - sono questi modelli di dati che permettono di creare algoritmi di riconoscimento vocale
ecco come vedo l'uso didtw
in linea di principio è possibile applicare il dtwal BP finanziario, imho se non c'è perdita di dati dopo la conversione (cioè la conversione inversa è possibile), allora ha senso provare ad applicarlo al BP finanziario, come si dice, ma se?
SZS: ha letto un articolo un paio di anni fahttps://habr.com/ru/post/135087/
Beh, ho già studiato questo argomento, nelle mie parole, va più o meno così:
ecco il valore didtw - è l'algoritmo giusto per comprimere BP - esattamente BP, non qualunque cosa e qualunque dato
Bene, se sappiamo come comprimere correttamente i dati - otteniamo dei pacchetti? - o che siano modelli di dati - sono questi modelli di dati che permettono di creare algoritmi di riconoscimento vocale
ecco come vedo l'uso didtw
in linea di principio è possibile applicare il dtwal BP finanziario, imho se non c'è perdita di dati dopo la conversione (cioè la conversione inversa è possibile), allora ha senso provare ad applicarlo al BP finanziario, come si dice, ma se?
SZS: ha letto un articolo un paio di anni fahttps://habr.com/ru/post/135087/
Beh, possiamo approfondire la questione più tardi, sì. Per estrarre gli stessi modelli dai ritorni mb
D'altra parte, non ha senso avere una rete neuraled'altra parte non ha senso avere una rete neurale
Non so, ho rinunciato a studiare tutto questo, è interessante, ma imho, ci dovrebbero essere modi più semplici per capire cosa c'è nel mercato
a proposito di ns, beh si sa che l'elaborazione dei dati è più importante della configurazione o del tipo ns, imho, dtw è la corretta elaborazione di BP ( quando si elabora esattamente BP !!! ) è la coerenza dei dati che è importante !
circa lo stesso dtw nell'elaborazione della voce - è la consistenza / sequenza delle lettere che conta? ;)
UPD:
se in NS per alimentare alla formazione semplicemente una finestra scorrevole di dati BP (barre), poi imho, è un'illusione che attraverso gli ingressi di NS - esattamente come abbiamo disegnato 1,2,3...N ingresso, NS percepirà che i dati sono alimentati in sequenza come vogliamo, all'interno di tutti gli ingressi sarà mescolato, imho, non sarà una finestra scorrevole per NS
Non so, ho rinunciato a studiare tutta questa roba, è interessante, ma imho, ci dovrebbero essere modi più semplici per capire cosa c'è nel mercato
riguardo al NS, sai che il dtw è più importante della configurazione o del tipo di NS, imho, il dtw è la corretta elaborazione del BP ( quando si elabora il BP!!! ) è la coerenza dei dati che conta!
circa lo stesso dtw nell'elaborazione della voce - è la consistenza / sequenza delle lettere che conta? ;)
Non sono esperto in queste questioni, per quanto ne so le reti neurali ricorrenti e ultra-precise sono state usate a lungo per questo. Per esempio l'algoritmo seq2seq di Google. Il dtw non sembrerebbe sbiadito su quello sfondo, non voglio stringere le nocche in una sedia per tempo inutile :)
Ho letto di ricorrenti e ultra-precisi, beh, per così dire, ma tutti gli esempi sono come al solito per il riconoscimento delle immagini, e lì cominciano a fare trucchi con la compressione delle palette come per produrre
il feedback è molto buono per elaborare le palette e i dati sono molto utili per elaborare i font e le bitmap, è difficile leggerli tutti.
Ho letto di ricorrenti e ultra-precisi, beh, per così dire, ma tutti gli esempi sono come al solito per il riconoscimento delle immagini, e lì cominciano a fare trucchi con la compressione delle palette come per produrre
eeeeee heck, le onde sonore sono più vicine alla BP che alle immagini - anche non stazionarie, e le immagini sembrano perdere di più comprimendo le informazioni durante l'elaborazione che cercando di recuperare - è come se il NS imparasse più velocemente e meglio
NLP e seq2seq, sono per i suoni del discorso e così via
Non ne ho mai sentito parlare, anche se ho letto un sacco di materiale! Lo guarderò domani, grazie.