L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2097
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
ahaha )) la corona danese domina l'euro )))
stava solo ricordando... o burrito o acciuga... boruta, giusto
Stavo solo ricordando... o è burrito o acciuga... boruta, giusto.
Non ne sono impressionato.
questo cappello dovrebbe comprimere lo spazio delle caratteristiche in modo che il ns non si riaddestri a nulla, a nessun rumore
Il razzo fa lo stesso, ma senza rete neurale e tutti i core sono casuali. E poi vengono scelti i migliori, per entropia o altro
Il problema con le reti convoluzionali è la selezione dell'architettura, quindi usate modelli off-the-shelf, restnet ecc.
Domanda per i giornalisti, cosa succede il 4 o il 5 di ogni mese?
Un'altra domanda sullo scaffolding, l'obiettivo può essere impostato come "massimizzazione del profitto" piuttosto che partizionamento delle classi o regressione?
Il problema con le reti convoluzionali è la selezione dell'architettura, quindi usate modelli off-the-shelf, come restnet, ecc.
Pronto per cosa? Devi fare il tuo, non è così difficile... è più difficile iniziare
Pronti per cosa? Devi fare il tuo, non è così difficile... è più difficile iniziare
Pre-addestrato. Soprattutto quelli convoluzionali sono usati per il riconoscimento delle immagini. Ogni strato evidenzia alcune caratteristiche (strisce, angoli), in modo simile al cervello. Potete prendere una rete già pronta (che è stata addestrata su supercomputer) e pre-addestrarla sui vostri esempi.
Per sapernedi più (da What Our Image Recognizer Learned)Pre-addestrato. La maggior parte della convoluzione è usata per il riconoscimento delle immagini. Ogni strato evidenzia alcune caratteristiche (strisce, angoli), come nel cervello. Potete prendere una rete già pronta (che è stata addestrata su supercomputer) e pre-addestrarla usando i vostri esempi.
Persaperne di più (da What Our Image Recognizer Learnt)Hai capito quello che ho detto? ) prendere una rete addestrata da SEAL e addestrarla a incrementi?
questa eugenetica è nuova per me
questo cappello dovrebbe comprimere lo spazio delle caratteristiche in modo che il ns non si riaddestri a nulla, a nessun rumore
Il razzo fa lo stesso, ma senza rete neurale e tutti i core sono casuali. E poi vengono scelti i migliori, per entropia o altro.
Provaci, non sono bravo a farlo.
Un'altra domanda sull'impalcatura, è possibile impostare l'obiettivo come "massimizzazione del profitto" piuttosto che dividere in classi o regressione?
La massimizzazione del profitto è un compito di ottimizzazione, ci sono altri algoritmi, la genetica, l'annealing...
Le forze sono l'apprendimento assistito dall'insegnante, hai bisogno di partizionare...
Mi chiedo come si combina.
ha capito quello che le ho suggerito? ) Prendere una rete addestrata da SEAL e addestrarla a incrementi?
questa è la cosa più eugenetica che abbia mai visto
guarda il link e scorri sotto, ti farai un'idea
controlla il link e scorri in basso, ti farai un'idea.