Нейронные сети - один из самых популярных классов алгоритмов для машинного обучения. В финансовом анализе они чаще всего применяются для прогнозирования, создания собственных индикаторов, алгоритмического трейдинга и моделирования рисков. Несмотря на все это, репутация у нейронных сетей подпорчена, поскольку результаты их применения можно...
だから、神経細胞の数を過大評価することも有害なのです。一般化せず、ノイズと一緒に記憶されることになる。
まあ、正規化・早期停止のどちらかですが...それは無理でしょう :)) パッケージすら面倒だと感じているのですが...。
ググったらこんな記事が...全部書いてある http://ai-news.ru/2016/05/tehnologii_fondovogo_rynka_10_zabluzhdenij_o_nejronnyh_setyah_578372.html
理論派 !!!
練習はいつあるのですか?
繰り返しになりますが、ニコライ さんが引用を気に しなければいいのですが。私も完全に同意見です。
単純な近似値では対応できないのでしょうか?))
...
NSは特徴量を取得せず、特徴量は入力に供給される。ダウンサンプリングするか、すべての組み合わせをノッチアップする(ニューロン数の増加に伴い)
なるほど、自分で符号を抽出して、それをNSの入力に与えているのですね。すでに看板があるのなら、なぜNSが必要なのでしょうか?
どうやら読んでいる本が、違うようです(笑)。
どうやら、本の読み方が、違うようです(笑)。
神経細胞が増えれば、オーバートレーニングになる。ニューロンの数が少ないと、近似度が悪くなる。ノームニューロンは大丈夫ですが、やはり非定常性があるので、市場全般ではうまくいきません。
なるほど、自分でサインを抽出して、それをNSに送り込むわけですね。すでに看板があるのなら、なぜNSが必要なのでしょうか?
どうやら、本の読み方が、違うようです(笑)。
何をどのように供給しているのか、もっと詳しく説明し、回路図を書いてください...推測は難しいので
いつものように、入力にゴミを入れて、出力にゴミを出すという方法をとりました。
learningCurve パッケージ, R, 学習曲線.
うん、いいよ、ありがとう)多分、後で使うことになると思う。
さて、何をどのように供給しているのかを詳しく説明し、回路図を描いてください...推測するのは難しいですから
いつものように古典的な方法をとった...入力でゴミを送り、出力でゴミを出す
(スキームから来たのか)(ハイキンが全部持っている)
この人は、1,000ページもあるような、たくさんのことを書いているんですよ。
NSを学ばないということは、コンボリューション、つまりデータ圧縮があるということです...NSの入力と出力の数はほぼ同じですが...。それしか選択肢がないのかもしれません。
が、MLPは教師ありきの手法なので、それをコンボリューションとして使うのはおかしい。
この人は、1,000ページもあるような、たくさんのことを書いているんですよ。
NSを学ばないということは、コンボリューション、つまりデータ圧縮があるということです...NSの入力と出力の数はほぼ同じですが...。この選択肢しかありえない。
まずはレイヤーから始めました)
私が何を持ち、どのように教えるかについては、詳しく、しかも複数回に分けてお話ししました。
レイヤーからスタートしました)。
私が持っているもの、そしてそれをどのように教えているかについては、これまでにも何度も詳しくお話ししています。
何でもいいから15~20回投入+モンテカルロで特に何もせず追加...そして価格はそのまま投入
というのは、詳しくありません(笑)
すべてにおいて、レイヤーでクリアしています。