Подробности Опубликовано: 31.05.2020 00:27 Автор: Пресс-служба ОЭЗ Просмотров: 193 В кассах Федеральной пассажирской компании РЖД по всей России установлены программно-аппаратные комплексы распознавания паспорта гражданина РФ для автоматического ввода данных покупателей билетов на поезда дальнего следования. Разработка резидента ОЭЗ «Дубна»...
新しい形質を生み出すことにエネルギーを注いだほうが......。IMHO...
もし兆候が良ければ、極値を予測することもできます。私は約400個と10個のモデルを持っていますが、さらに数十倍必要なようで、学習サンプルは100GB以上になるかもしれません。
予測因子がたくさんある場合 - オーバートレーニングが始まる、特にブースターであれば - たった0.01%のサンプルで活性化する葉がある - それは明らかにゴミです。
ですから、新しい予測因子を追加するだけでなく、モデルの構造やデータの事前・事後処理によってモデルを改善する方法を探すという、2つの方向から取り組むことが重要なのです。
以前送った実験用のデータでは、何も動かなかったのですか?
そのEAを実際の口座で使って みたところ、例えばリミットスイッチが完全に埋まらない、相場が薄い、スリッページが大きいなど、他にも問題があるようです......。
予測変数が多い場合、過学習が始まる。
そうではなく、クロスバリデーション+余分なサンプリングでチェックするんです...。
そしてオーバートレーニングは、5%の有益な情報を持っているサインを、70%引き出したいのに、ただ足りないだけ...有益な情報がない...というだけのことです。
そのためには、たくさんの看板が必要なのです。
たった0.01%の サンプルで活性化する葉っぱがあるんだから、ゴミに決まってるじゃん。
例えば、手仕事でトレードする場合、チャートを見て、いろいろなTFを見て、いくつかのパターンを見て判断して、小さなTFでエントリーポイントを探して、タイミングを待ってエントリーする...あれ、なんだったっけ?情報を圧縮しているのです。
1) 異なるTFとその中のパターン - 圧縮
2)浅いTF、エントリーポイント - 圧縮
3)エントリーポイント-圧縮
その結果、サンプルに対して0.01%どころか0.001%にもならないのですが、それをゴミとは 思わないのですね?
以前送った実験用データでは何も出なかったのですか?
どのデータ? 見逃した...
クロスバリデーション+追加サンプリングでチェック...
確認することは可能ですが、学習には影響しません。
そして、5%の有益な情報を持っている看板があるからといって、70%の情報を引き出したいのに、それがない...有益な情報がない...といったオーバートレーニングも。
各予測子が5%ずつ有用な情報を運ぶのであれば良いのですが、どの程度を想定しているのでしょうか。一般的に有用性はどのように判断するのでしょうか。私は、サンプル中の全ターゲットの平均値からの偏差値で判断しています。
手仕事でトレードする場合、例えばチャートをいろいろなTFで見て、いくつかのパターンを見て判断し、小さなTFでエントリーポイントを探して、タイミングを待ってエントリーする...あれ、なんだったんだろう?情報を圧縮しているのです。
1) 異なるTFとその中のパターン - 圧縮
2)浅いTF、エントリーポイント - 圧縮
3)エントリーポイント-圧縮
その結果、サンプルに関しては0.01%にも0.001%にもなりませんが、あなたはそれをゴミとは 思いませんよね?
いや、それはランダム性、直感であって、システムではないだろう。
どんなデータで?
リンク
ええ、もちろんです ))))if, then, else "を使って絵を認識したり、音声を生成したりする様子を見てみたいですね、それはハードコアでしょう)。マジでバカなこと言ってるなー。
Fineriderはnsなしで認識します。
ニューラルネットワークを「貧乏人のための判別分析」と呼んだ社員のインタビューを読んだことがある。
ニューラルネットワークを「貧乏人のための判別分析」と呼んだ社員のインタビューを読んだことがある。
リンク
いいえ、そうではありません。
おそらく誤解されているのでしょう。Fineriderはnsなしで認識します。マウスの脳活動を調べることで、90年代のアクションの半秒前にマウスが何をするかがわかったのです。チェスでnsが勝ったときも、MOでコンプが無敵になったときも、もっと重要な出来事なのに、このような形で取り上げられることはありませんでした。ワークパスポートの認識には、10年ほど前に出会いました。認知度はOKでした。今、鉄道の切符売り場にnsによるパスポート認証が導入されるというニュースが流れていますが...仕事より誇大広告が多いですね。
パスポートの認識と車の運転を比べてどうするんだ 物体の追従認識とか YouTubeの動画被写体認識とか 人間の音声生成とか 30年経って問題が何千倍も複雑になって解決してるのに 90年代のいい加減なパスポートの話かよw
90年代のタスクと今のタスクを比較するのもアホらしい パスポートの認識と車の運転を付帯物認識で比較するのはどうなんだ YouTubeの動画主体認識とか人間の音声生成とか 30年経ってタスクは数千倍複雑化して解決してるのに 90年代のパスポートがどうのとか貧乏臭いこと言ってんじゃねえよww
問題は最初から理解されなければならないし、その起源と解決策の歴史はこの点で役に立つ。MOのアルゴリズムは、90年代以前に、同じCat Boostである77 Fortranで定式化され、実装されたものがほとんどです。今日、ツール、パワー、ソフトウェアがより利用しやすくなりました。認識タスクは同じアルゴリズムに従います。すなわち、書誌の設定、カタログ化、比較です。変わるのは数と速度だけ(カタログ検索方法もですが、重要ではありません)。ガリレオは最初のハッシュを発明した)))
以前は10Kが大きかったのですが、今では100Gbが家庭で実現できるようになりました。もし、今の容量でフルサーチやフルサーチパスによる最適化が可能なら、GAは必要ないでしょう))))
パスポートについて) https://open-dubna.ru/ekonomika/9057-razrabotka-rezidenta-oez-dubna-sokrashchaet-ocheredi-v-kassakh-rzhd
以前は(セールで)500円前後で購入できたソリューション。AIを使うといくらかかるの?安くはないと思います。15年以上前のソリューションです。ところで、そこでの主な問題は、保護グリッドを取り除くことです))))均質な背景とグリッドは異なるタスクです)。
いいえ、そうではありません。
これからご覧になりますか?
今、見ていますか?
そうだったんだ...
現在の残高ファイルには価格が含まれていません。先ほど教えていただいた価格は現在の残高のサイズと一致していません。
アップデイト===========================================================
バランスグラフを分析・予測するのではなく、エントリーポイントの良し悪しを見極めればいいのだと思う。