トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 1734 1...172717281729173017311732173317341735173617371738173917401741...3399 新しいコメント Реter Konow 2020.04.22 11:34 #17331 mytarmailS: そうですね、写真の猫は違いますが、ネットワークはそれを認識して、何とか犬と区別していますね． パターン認識の原理、畳み込みネットワーク、その仕組みなど、何か読んでみてください。 あなたの質問はとても未熟で、読めばその愚かさがわかると思います。 あなたの答えも大人げないです。もう一度言いますが、破壊された物体は全体との差が大きすぎるため、学習サンプルを増やしてもその画像のエントロピーを克服することができないのです。このサンプルが無限大になったり、他のサンプルと混ざったりする可能性があります。それは、私でもわかることです。 mytarmailS 2020.04.22 11:49 #17332 タグコノウ。 あなたの答えも大人げないですね。この場合も、破壊された物体は全体と違いすぎるため、学習サンプルを増やしても、その画像のエントロピーは克服できない。このサンプルが無限大になったり、他のサンプルと混ざったりする可能性があります。これは私でもわかることです。 当たり前だが、あまり目立たない ))破壊された家を認識するようにネットワークを訓練したいなら、破壊された家で訓練すればいい。 家全体を与えて、破壊された家をどう表現するかと考えてはいけない...明白だ!!! それは、私が最初から言っていたことと同じです。 mytarmailS:家が壊れていようがいまいが、ネットワークが学習するものは学習するのです Valeriy Yastremskiy 2020.04.22 11:54 #17333 mytarmailS: 当たり前だが、あまり目立たない)破壊された家を認識するようにネットワークを訓練したいのであれば、破壊された家で訓練するのです。 家全体を与えて、破壊された家をどう表現するかと考えるのではなく、明白です！！リリースコノー。 レタグ・コノウ あなたの答えも大人げないですね。繰り返しになるが、破壊された物体は全体と違いすぎるため、その表現におけるエントロピーは、学習サンプルを増やしても克服することはできない。このサンプルが無限大になったり、他のサンプルと混ざったりする可能性があります。これは私でもわかることです。 実は、レンガ壁の破壊のアルゴリズムとその可視化は、かなり以前に行われており、問題は破壊要因の知識で、それが分かれば家は復元できるのです))) Реter Konow 2020.04.22 12:01 #17334 mytarmailS: 当たり前だが、あまり目立たない)破壊された家を認識するようにネットワークを訓練したいのであれば、破壊された家で訓練するのです。 家全体を与えて、破壊された家をどう表現するかと考えるのではありません...明白です!!! それは、私が最初から言っていたことと同じです。 mytarmailS:家が壊れているかどうかは関係なく、ネットワークは教えられたことを学習する ちょっと想像力を働かせてみてください。ハウスブレーキングのバリエーションはどれくらいあるのでしょうか？インフィニットつまり、1つ以上のタイプの壊れた家を認識するように教えることはできても、すべての家を認識することはできないのです。破壊の形態が事前にわからないのに、ネットワークを学習させ、遭遇した倒壊家屋が学習サンプルに収まることを期待することに何の意味があるのでしょうか。そのため、ネットワークはランダムで成功率が変動し、認識率も予測できないまま運用されることになります。 違うアプローチが必要だと思います。 Реter Konow 2020.04.22 12:04 #17335 ヴァレリー・ヤストレムスキー 実は、レンガの壁を破壊するアルゴリズムとその可視化はかなり前に作られていて、問題は破壊の要因を知ることで、それが分かれば家は復元される)))) エントロピーとは、崩壊した物体に存在するカオスの度合いを示す尺度である。全体を混沌とした状態から回復させることは、エントロピーとの戦いである。しかし、公式はあるのでしょうか？その方程式が「知性」です。カオスや無秩序を迂回して、パーツからひとつのイメージを組み立てるのです。部品を組み合わせて方程式を作り、その結果として全体のオブジェクトを得るのです。 結論：知能は認識においてNSを用いるが、学習サンプルに線形に依存しない。知性との共生により、NSの効率は何倍にもなる。 mytarmailS 2020.04.22 12:09 #17336 レトログ・コノウ。 その断片から1枚の画像を組み立てるのです。 混沌とした無秩序の中で迂回する。 彼はパーツを組み合わせて方程式を作り、結果として全体の主題を得るのです。 スペクトル解析 !!! :) Реter Konow 2020.04.22 12:10 #17337 mytarmailS: スペクトル解析 !!! :) みたいなものです)) Maxim Dmitrievsky 2020.04.22 12:11 #17338 mytarmailS: 好きなようにやれ、ただしOOSをやれ 見たい とはいかないが）楽しかった。 私の方がよく動いています。 mytarmailS 2020.04.22 12:12 #17339 マキシム・ドミトリエフスキー とにかく、その方法はうまくいきません）でも、楽しかったです...。 という私の方がうまくいきます。 悲しい） ラグが大きくなり、1分1秒が惜しくなることがあります。 Rorschach 2020.04.22 12:18 #17340 ミハイル・マルキュカイツ 方法を確認すればよいのです。自分で処理しようとした、絶対やらない、時間がかかりすぎるかもしれない、Rを思い出した、検索しながらデータログを4時間やっていた、アドバイスしてくれる人がいない、などなど。そして、100％やることは、エラーが多くなる。そして、上記のアルゴリズムを全て実装したスクリプトをRで作成し、実機で確認する必要があるのです。最も難しいパラメータである「保証」などのTCでも、すでに5点満点中3点を獲得することができます。 もうやり方はわかっているはずです。そして、最大1つの変曲点を予測し、各バーで再トレーニングを行います。 私はこの作業を、データの準備、構成要素への分解、予測の3つのパートに分けます。前2者のやり方は分かっているのですが、予測が問題なのです。NSを使いたいが、オープンフィールドであり、ましてやNSから携わっていない。 手っ取り早く遊びたいときは、ウィザードを使ったり、 これらの指標 を使って予測を立てたりすることもできますね。オプティマイザーでパラメータを調整する必要があります。 よくわからないのですが、このLysajuの図は何を示しているのですか、膨張における2つの成分の関係ですか？つまり、膨張の中に2つの成分があり、一方が他方に対してシフトしているのですね。条件付のsinとcos。それは冗長だ、初期段階が違うものに置き換えればいい。 1...172717281729173017311732173317341735173617371738173917401741...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
そうですね、写真の猫は違いますが、ネットワークはそれを認識して、何とか犬と区別していますね．
パターン認識の原理、畳み込みネットワーク、その仕組みなど、何か読んでみてください。 あなたの質問はとても未熟で、読めばその愚かさがわかると思います。
あなたの答えも大人げないです。もう一度言いますが、破壊された物体は全体との差が大きすぎるため、学習サンプルを増やしてもその画像のエントロピーを克服することができないのです。このサンプルが無限大になったり、他のサンプルと混ざったりする可能性があります。それは、私でもわかることです。
あなたの答えも大人げないですね。この場合も、破壊された物体は全体と違いすぎるため、学習サンプルを増やしても、その画像のエントロピーは克服できない。このサンプルが無限大になったり、他のサンプルと混ざったりする可能性があります。これは私でもわかることです。
当たり前だが、あまり目立たない ))破壊された家を認識するようにネットワークを訓練したいなら、破壊された家で訓練すればいい。 家全体を与えて、破壊された家をどう表現するかと考えてはいけない...明白だ!!!
それは、私が最初から言っていたことと同じです。
mytarmailS:家が壊れていようがいまいが、ネットワークが学習するものは学習するのです
当たり前だが、あまり目立たない)破壊された家を認識するようにネットワークを訓練したいのであれば、破壊された家で訓練するのです。 家全体を与えて、破壊された家をどう表現するかと考えるのではなく、明白です！！リリースコノー。
レタグ・コノウ
あなたの答えも大人げないですね。繰り返しになるが、破壊された物体は全体と違いすぎるため、その表現におけるエントロピーは、学習サンプルを増やしても克服することはできない。このサンプルが無限大になったり、他のサンプルと混ざったりする可能性があります。これは私でもわかることです。
実は、レンガ壁の破壊のアルゴリズムとその可視化は、かなり以前に行われており、問題は破壊要因の知識で、それが分かれば家は復元できるのです)))
当たり前だが、あまり目立たない)破壊された家を認識するようにネットワークを訓練したいのであれば、破壊された家で訓練するのです。 家全体を与えて、破壊された家をどう表現するかと考えるのではありません...明白です!!!
それは、私が最初から言っていたことと同じです。
mytarmailS:家が壊れているかどうかは関係なく、ネットワークは教えられたことを学習する
ちょっと想像力を働かせてみてください。ハウスブレーキングのバリエーションはどれくらいあるのでしょうか？インフィニットつまり、1つ以上のタイプの壊れた家を認識するように教えることはできても、すべての家を認識することはできないのです。破壊の形態が事前にわからないのに、ネットワークを学習させ、遭遇した倒壊家屋が学習サンプルに収まることを期待することに何の意味があるのでしょうか。そのため、ネットワークはランダムで成功率が変動し、認識率も予測できないまま運用されることになります。
違うアプローチが必要だと思います。
実は、レンガの壁を破壊するアルゴリズムとその可視化はかなり前に作られていて、問題は破壊の要因を知ることで、それが分かれば家は復元される))))
エントロピーとは、崩壊した物体に存在するカオスの度合いを示す尺度である。全体を混沌とした状態から回復させることは、エントロピーとの戦いである。しかし、公式はあるのでしょうか？その方程式が「知性」です。カオスや無秩序を迂回して、パーツからひとつのイメージを組み立てるのです。部品を組み合わせて方程式を作り、その結果として全体のオブジェクトを得るのです。
結論：知能は認識においてNSを用いるが、学習サンプルに線形に依存しない。知性との共生により、NSの効率は何倍にもなる。
その断片から1枚の画像を組み立てるのです。
混沌とした無秩序の中で迂回する。
彼はパーツを組み合わせて方程式を作り、結果として全体の主題を得るのです。
スペクトル解析 !!! :)
スペクトル解析 !!! :)
みたいなものです))
好きなようにやれ、ただしOOSをやれ
見たい
とはいかないが）楽しかった。
私の方がよく動いています。
とにかく、その方法はうまくいきません）でも、楽しかったです...。
という私の方がうまくいきます。
悲しい）
ラグが大きくなり、1分1秒が惜しくなることがあります。方法を確認すればよいのです。自分で処理しようとした、絶対やらない、時間がかかりすぎるかもしれない、Rを思い出した、検索しながらデータログを4時間やっていた、アドバイスしてくれる人がいない、などなど。そして、100％やることは、エラーが多くなる。そして、上記のアルゴリズムを全て実装したスクリプトをRで作成し、実機で確認する必要があるのです。最も難しいパラメータである「保証」などのTCでも、すでに5点満点中3点を獲得することができます。
もうやり方はわかっているはずです。そして、最大1つの変曲点を予測し、各バーで再トレーニングを行います。
私はこの作業を、データの準備、構成要素への分解、予測の3つのパートに分けます。前2者のやり方は分かっているのですが、予測が問題なのです。NSを使いたいが、オープンフィールドであり、ましてやNSから携わっていない。
手っ取り早く遊びたいときは、ウィザードを使ったり、 これらの指標 を使って予測を立てたりすることもできますね。オプティマイザーでパラメータを調整する必要があります。
よくわからないのですが、このLysajuの図は何を示しているのですか、膨張における2つの成分の関係ですか？つまり、膨張の中に2つの成分があり、一方が他方に対してシフトしているのですね。条件付のsinとcos。それは冗長だ、初期段階が違うものに置き換えればいい。