Cosa inserire nell'ingresso della rete neurale? Le vostre idee... - pagina 63
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
Memorizzazione: se la valutazione della qualità viene effettuata durante il processo di conservazione, si tratta già di memorizzazione.
I database, gli alberi e i cluster che memorizzano le informazioni al 100% non hanno bisogno di valutazione. Ma potete verificare a cosa corrisponde 3*3 provando tutte le possibili varianti. Dipende da voi e dal vostro tempo... Io mi occuperò di cose più importanti.
Solo i modelli sottoaddestrati necessitano di una valutazione.
1. database, alberi e cluster che ricordano le informazioni al 100% e non hanno bisogno di essere valutati.
2. Solo i modelli non addestrati devono essere valutati.
1. Se non c'è valutazione, significa che il processo è di ritenzione, non di memorizzazione. Sopra è stata mostrata la differenza.
2. Come determinare quale e quando un modello è "poco appreso" e di quanto?
Probabilmente sono fuori tema, ma la mia esperienza dice che solo gli oscillatori (probabilità, winrate, ecc.) possono essere previsti qualitativamente. Per coloro che sognano di prevedere i movimenti dei prezzi, la mia opinione personale è che non è ancora possibile (o forse non lo è affatto)!
cosa significa winrate?
1. Se non c'è valutazione, allora si tratta di un processo di ritenzione, non di memorizzazione. Ho mostrato la differenza sopra.
2. Come determinare quale e quando un modello è "sottoappreso" e di quanto?
1) solo per voi la memorizzazione consiste nel passare in rassegna le possibili varianti e valutare ciascuna di esse. Non è necessario imporre questo agli altri e spacciarlo per verità.
2) Non c'è bisogno di definirlo, prima dell'addestramento viene impostato nei parametri: addestrare al 100% o sottoaddestrare.
1) solo per voi la memorizzazione consiste nel passare in rassegna le possibili opzioni. Non imponetelo agli altri e non fatelo passare per verità.
2) Non c'è bisogno di definirlo, prima dell'allenamento si impostano i parametri: allenarsi al 100% o sottoallenarsi.
1. Cosa c'entrano la memorizzazione e il "passare in rassegna le possibili opzioni"? Non c'è bisogno di inventare qualcosa che non ho affermato e che quindi non posso imporre a nessuno)).
2. Nel modo in cui lei applica il MO, e molte persone in generale, l'apprendimento è presente solo in modo condizionale. Perché non c'è formazione di regole per elaborare nuovi dati sconosciuti. C'è la memorizzazione. L'ho dimostrato sopra.
Mi rendo conto che alcune cose possono essere dolorose da accettare perché mandano in frantumi le convinzioni consolidate. Ma se accettate, diventano chiare le ragioni per cui alcuni metodi non portano i risultati attesi, e quindi permettono di cambiare la direzione della ricerca.
1. Cosa c'entra la memorizzazione e il "passare attraverso le opzioni"? Non c'è bisogno di inventare qualcosa che non ho affermato e che quindi non potevo imporre a nessuno)).
2. Nel modo in cui lei applica il MO, e molte persone in generale, l'apprendimento è presente solo in modo condizionale. Perché non c'è formazione di regole per elaborare nuovi dati sconosciuti. C'è la memorizzazione. L'ho dimostrato sopra.
Mi rendo conto che alcune cose possono essere dolorose da accettare, perché rovinano le convinzioni consolidate. Ma se accettate, diventano chiare le ragioni per cui alcuni metodi non portano i risultati attesi, e quindi permettono di cambiare la direzione della ricerca.
Qual è la differenza tra un normale database e un sistema intelligente?
Qual è la differenza tra un normale database e i sistemi intelligenti?
Ad esempio, lo stesso gpt non si limita a ricordare la tabella delle moltiplicazioni, ma è addestrato a utilizzare la regola delle colonne. Ciò significa che può moltiplicare qualsiasi numero, non solo all'interno della tabella di moltiplicazione.
Questa è la differenza tra un normale database e i sistemi intelligenti. Tali sistemi sono in grado di applicare regole note per elaborare nuove informazioni, come fa un essere umano. Un livello di intelligenza ancora più elevato è la capacità di sviluppare nuove regole utilizzando quelle vecchie come base.
L'"addestramento" convenzionale di una rete neurale non crea regole e quindi non funziona bene su dati sconosciuti. Si tratta semplicemente di un'approssimazione dei dati e ci aspettiamo che questa approssimazione funzioni altrettanto bene sui nuovi dati che su quelli di addestramento.