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 627 1...620621622623624625626627628629630631632633634...3399 新しいコメント Maxim Dmitrievsky 2018.01.30 06:42 #6261 アレクセイ・テレンテフなぜ、最初の投稿を削除したのか不思議でした。そのスキームをブログで紹介した。=) ええ、ちょうどフォーラム:Dで彼自身の投稿を検索するのに疲れてしまったので、少なくともリンクは与えることができるようになります。 Mihail Marchukajtes 2018.01.30 06:51 #6262 マキシム・ドミトリエフスキー フォーラムで自分の投稿を検索するのに疲れたので、せめてリンクだけでも。 だから、違う人に同じことを繰り返さないように、記事を書いたのですが...。 Maxim Dmitrievsky 2018.01.30 06:52 #6263 ミハイル・マルキュカイツここではまだ記事にしたくないが、結果が面白ければ後日記事にすればいい ダラダラと1週間の休憩を挟みながらゆっくりやってます :) Mihail Marchukajtes 2018.01.30 07:00 #6264 マキシム・ドミトリエフスキーまだここで記事にはしたくないが、結果が面白ければ後回しでもいいのだが......。 ダラダラと1週間の休憩を挟みながらゆっくりやってます :) 私の場合は、編集をしながら1ヶ月くらいかけて書きました...。を発売するまでの間、「..........................」と言いながら Mykola Demko 2018.01.30 07:00 #6265 マキシム・ドミトリエフスキーは、新しいネットワーク図をスケッチし、これが最初の記述です。後日、続編があります（希望）。 フォーラムでアイデアを探すのにうんざりしているので、記念にブログを作りました https://rationatrix.blogspot.ru/2018/01/blog-post.html暖かいものと柔らかいものを混同している。正味の結果データを提出することは、欠陥のある行為である。 ネットが混乱するだけで、同じパターンがある場合は上昇し、別の場合は下降する理由がわからなくなるのです。 これは、過去の実績の値がデータに混ざってしまったためです。これは、以前の取引の結果と株式の両方を指します。 グリッド本体にフィットネス関数を挿入しようとしているのですね。しかし、何が良いのか悪いのかを知ることは外国の知識であり、グリッドメカニズムとは関係ない。 もし、ストーリーをMLPから再帰的メッシュに移行させたいのであれば。 しかし、あなたの仮説は（IMHO）kotopedoです。 ZS そうそう、ついでに再教育にも問題があると書いてありましたね。現代のNSサイエンスは、この問題をとっくの昔に解決している。 最も単純で明快、かつ効率的な方法はクロスバリデーション です（ググってみてください）。 Aleksey Terentev 2018.01.30 07:05 #6266 ニコライ・デムコ暖かいものと柔らかいものを混同している。ネットの結果データを送り込むのは悪しき習慣である。 グリッドが混乱するだけで、同じパターンがある場合は上昇し、別の場合は下降する理由を理解することができません。 これは、過去の実績の値がデータに混ざってしまったためです。これは、以前の取引の結果と株式の両方を指します。 グリッド本体にフィットネス関数を挿入しようとしているのですね。しかし、何が良いのか悪いのかを知ることは外国の知識であり、グリッドメカニズムとは関係ない。 もし、ストーリーをMLPから再帰的メッシュに移行させたいのであれば。 しかし、あなたの仮説は（IMHO）コトポエである。あなたにとってのニューラルネットワークは、「ペルセプトロン」という1つの定義で成り立っているようですね。IMHOは、これが目に見える氷山の一角に過ぎないという事実にさえ気づいていないのです。 そして、オーバートレーニングはまだ誰にも負けていない。国防総省のことをあまり理解していないのでは？ Maxim Dmitrievsky 2018.01.30 07:05 #6267 ニコライ・デムコ暖かいものと柔らかいものを混同している。ネットの結果データを送り込むのは悪しき習慣である。 グリッドが混乱するだけで、同じパターンがある場合は上昇し、別の場合は下降する理由を理解することができません。 これは、過去の実績の値がデータに混ざってしまったためです。これは、以前の取引の結果と株式の両方を指します。 グリッド本体にフィットネス関数を挿入しようとしているのですね。しかし、何が良いのか悪いのかを知ることは外国の知識であり、グリッドメカニズムとは関係ない。 もし、ストーリーをMLPから再帰的メッシュに移行させたいのであれば。 しかし、あなたの仮説は（IMHO）コトポスです。バックアップされたグリッドのアナログをやってみたい。リカレントネットは、残念ながら環境という概念がなく、反応もしない。補強を施したネットが行う。どのようにするかというと、まず思いつくのは、外でのパフォーマンスが不満足な場合、eq.Sphereを経由してキックする、などです。 コトペックかな、自分ではわからないけど、イマイチ...楽しいし :) 使いやすいし、時間もかからないしね。 Maxim Dmitrievsky 2018.01.30 07:07 #6268 ニコライ・デムコそうそう、ついでにオーバートレーニングの問題も書いてましたよね。現代のNSサイエンスは、この問題をとっくの昔に解決している。 最もシンプルでわかりやすく効果的な方法は、クロスバリデーション です（ググってみてください）。クロスバリデーションもフィッティングですが、もっと微妙なんです。 再帰もまた繰り返され、時には学べないこともある。 ネットワークの出力を入力に送ることはできないと言いながら、再帰を使えと言うなんて......。:) そして、その出力を食べるだけなのです。 最も単純なケースは，自分自身を食べてしまう通常のMLPである． Mykola Demko 2018.01.30 08:00 #6269 マキシム・ドミトリエフスキー私はそれについてすべて知っている、クロスバリデーションはまた、適切であるが、より洗練されています。 再帰もまた繰り返され、時には学べないこともある。 ネットワークの出力を入力に送ることができないと言いながら、再帰を使えと言うなんて......。:) そして、その出力を食べるだけなのです。 リカレントは基本的にMLPが自分を食べてしまうことです。いや、私が言いたかったのは、市場のデータとネットワークのアウトプットを混同してはいけないということです。 つまり、ネットワークは相場を処理し、あなたは過去の取引が成功したか否かのデータを入力します。 そして、一般的には、ネットワークがうまくいったかどうか、これは別の単位になります（以前はGAでfitness-functionと呼んでいましたが、NSではerror functionと呼びますが、考え方は同じです）。 バックプロップ方式でネットワークを学習させた場合、データの一部にエラーが発生することが判明した場合、バタリーオイルが発生します。私の言っていることが理解できるでしょうか。 Mykola Demko 2018.01.30 08:02 #6270 アレクセイ・テレンテフあなたのためのすべてのニューラルネットワークによる判断は、1つの定義で構成されています - Perseptron。IMHOは、これが目に見える氷山の一角に過ぎず、それすらも小さなものだということに気づいていないのです。 そして、誰も再研修に負けたことがないのです。あなたはMoDの領域についてほとんど理解していない。マキシムから提示された具体的なネットワークの話をしたのです。 3つのセンテンスを理解できなければ・・・。あのね、なんで私が言わなきゃいけないのよ)) 1...620621622623624625626627628629630631632633634...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
なぜ、最初の投稿を削除したのか不思議でした。そのスキームをブログで紹介した。=)
フォーラムで自分の投稿を検索するのに疲れたので、せめてリンクだけでも。
ここではまだ記事にしたくないが、結果が面白ければ後日記事にすればいい
ダラダラと1週間の休憩を挟みながらゆっくりやってます :)
まだここで記事にはしたくないが、結果が面白ければ後回しでもいいのだが......。
ダラダラと1週間の休憩を挟みながらゆっくりやってます :)
は、新しいネットワーク図をスケッチし、これが最初の記述です。後日、続編があります（希望）。
フォーラムでアイデアを探すのにうんざりしているので、記念にブログを作りました
https://rationatrix.blogspot.ru/2018/01/blog-post.html
暖かいものと柔らかいものを混同している。正味の結果データを提出することは、欠陥のある行為である。
ネットが混乱するだけで、同じパターンがある場合は上昇し、別の場合は下降する理由がわからなくなるのです。
これは、過去の実績の値がデータに混ざってしまったためです。これは、以前の取引の結果と株式の両方を指します。
グリッド本体にフィットネス関数を挿入しようとしているのですね。しかし、何が良いのか悪いのかを知ることは外国の知識であり、グリッドメカニズムとは関係ない。
もし、ストーリーをMLPから再帰的メッシュに移行させたいのであれば。
しかし、あなたの仮説は（IMHO）kotopedoです。
ZS そうそう、ついでに再教育にも問題があると書いてありましたね。現代のNSサイエンスは、この問題をとっくの昔に解決している。
最も単純で明快、かつ効率的な方法はクロスバリデーション です（ググってみてください）。
暖かいものと柔らかいものを混同している。ネットの結果データを送り込むのは悪しき習慣である。
グリッドが混乱するだけで、同じパターンがある場合は上昇し、別の場合は下降する理由を理解することができません。
これは、過去の実績の値がデータに混ざってしまったためです。これは、以前の取引の結果と株式の両方を指します。
グリッド本体にフィットネス関数を挿入しようとしているのですね。しかし、何が良いのか悪いのかを知ることは外国の知識であり、グリッドメカニズムとは関係ない。
もし、ストーリーをMLPから再帰的メッシュに移行させたいのであれば。
しかし、あなたの仮説は（IMHO）コトポエである。
あなたにとってのニューラルネットワークは、「ペルセプトロン」という1つの定義で成り立っているようですね。IMHOは、これが目に見える氷山の一角に過ぎないという事実にさえ気づいていないのです。
そして、オーバートレーニングはまだ誰にも負けていない。国防総省のことをあまり理解していないのでは？暖かいものと柔らかいものを混同している。ネットの結果データを送り込むのは悪しき習慣である。
グリッドが混乱するだけで、同じパターンがある場合は上昇し、別の場合は下降する理由を理解することができません。
これは、過去の実績の値がデータに混ざってしまったためです。これは、以前の取引の結果と株式の両方を指します。
グリッド本体にフィットネス関数を挿入しようとしているのですね。しかし、何が良いのか悪いのかを知ることは外国の知識であり、グリッドメカニズムとは関係ない。
もし、ストーリーをMLPから再帰的メッシュに移行させたいのであれば。
しかし、あなたの仮説は（IMHO）コトポスです。
バックアップされたグリッドのアナログをやってみたい。リカレントネットは、残念ながら環境という概念がなく、反応もしない。補強を施したネットが行う。どのようにするかというと、まず思いつくのは、外でのパフォーマンスが不満足な場合、eq.Sphereを経由してキックする、などです。
コトペックかな、自分ではわからないけど、イマイチ...楽しいし :) 使いやすいし、時間もかからないしね。
そうそう、ついでにオーバートレーニングの問題も書いてましたよね。現代のNSサイエンスは、この問題をとっくの昔に解決している。
最もシンプルでわかりやすく効果的な方法は、クロスバリデーション です（ググってみてください）。
クロスバリデーションもフィッティングですが、もっと微妙なんです。
再帰もまた繰り返され、時には学べないこともある。
ネットワークの出力を入力に送ることはできないと言いながら、再帰を使えと言うなんて......。:) そして、その出力を食べるだけなのです。
最も単純なケースは，自分自身を食べてしまう通常のMLPである．
私はそれについてすべて知っている、クロスバリデーションはまた、適切であるが、より洗練されています。
再帰もまた繰り返され、時には学べないこともある。
ネットワークの出力を入力に送ることができないと言いながら、再帰を使えと言うなんて......。:) そして、その出力を食べるだけなのです。
リカレントは基本的にMLPが自分を食べてしまうことです。
いや、私が言いたかったのは、市場のデータとネットワークのアウトプットを混同してはいけないということです。
つまり、ネットワークは相場を処理し、あなたは過去の取引が成功したか否かのデータを入力します。
そして、一般的には、ネットワークがうまくいったかどうか、これは別の単位になります（以前はGAでfitness-functionと呼んでいましたが、NSではerror functionと呼びますが、考え方は同じです）。
バックプロップ方式でネットワークを学習させた場合、データの一部にエラーが発生することが判明した場合、バタリーオイルが発生します。私の言っていることが理解できるでしょうか。
あなたのためのすべてのニューラルネットワークによる判断は、1つの定義で構成されています - Perseptron。IMHOは、これが目に見える氷山の一角に過ぎず、それすらも小さなものだということに気づいていないのです。
そして、誰も再研修に負けたことがないのです。あなたはMoDの領域についてほとんど理解していない。マキシムから提示された具体的なネットワークの話をしたのです。
3つのセンテンスを理解できなければ・・・。あのね、なんで私が言わなきゃいけないのよ))