私が思いついたアイデアで、インターネット上でほとんど同じものが見つからなかったことは一度もないのです。(例えば、先日ファジーロジックとNSについての例を掲載しました)。私は最初に1を思いつき、その後全く同じ1 in 1を見つけました、記事はそこそこ最近のものですが)そして、あなたの前にすでに市場で試みられていないMOモデルは一つもありません :)もちろん、ほとんどが英語のリソースですが......Runet全般で、完全に混乱しています。
私が思いついたアイデアで、インターネット上でほとんど同じものが見つからなかったものは一つもありません。(例えば、先日ファジーロジックとNSについての例を掲載しました)。私は最初に1を思いつき、その後全く同じ1 in 1を見つけました、記事はそこそこ最近のものですが)そして、あなたの前にすでに市場で試みられていないMOモデルは一つもありません :)もちろん、ほとんどの英語のリソースは、...一般的な完全な混乱の中でRunetで。
そうですか......私が発明している間に、ずっと使われていたとは......。
ここで取り上げたものは、もう半世紀も前から使われているものばかりです。
現在ではdiplinningのような上級モデルのみが追加されています。
私が思いついたアイデアで、インターネット上でほとんど同じものが見つからなかったことは一度もないのです。(例えば、先日ファジーロジックとNSについての例を掲載しました)。私は最初に1を思いつき、その後全く同じ1 in 1を見つけました、記事はそこそこ最近のものですが)そして、あなたの前にすでに市場で試みられていないMOモデルは一つもありません :)もちろん、ほとんどが英語のリソースですが......Runet全般で、完全に混乱しています。
半世紀も前から、ここで議論されていることをすべて使ってきた。
現在では、ディプラニングのような高度なモデルのみが追加されています。
私が思いついたアイデアで、インターネット上でほとんど同じものが見つからなかったものは一つもありません。(例えば、先日ファジーロジックとNSについての例を掲載しました)。私は最初に1を思いつき、その後全く同じ1 in 1を見つけました、記事はそこそこ最近のものですが)そして、あなたの前にすでに市場で試みられていないMOモデルは一つもありません :)もちろん、ほとんどの英語のリソースは、...一般的な完全な混乱の中でRunetで。
つまらない :)
つまらない :)
この先どうしたらいいのかわからない、誰もアイデアを出してくれない、考えるのが面倒くさい
モデル、電車が一貫してよく異なる変更で、100%で、より多くの電車からここのように、AOSに動作しています...(4ヶ月のトレーニング 10ヶ月のAOS)その後、何もない。
もうすべてクリアしているのだから、デモをテストする意味がないと思うのですが。
今後、いつシステムがクラッシュするかわからない :D 何らかのセミグラを作り、今は座ってぼんやり眺めている、すでに5万円が提供されている
また500ページの英語の本を読まないと・・・。
この先どうしたらいいのかわからない、まだ誰もアイデアを出してくれない、考えるのが面倒くさい
モデル、列車は異なる修正でよく一貫して、いくつかの100%で、より多くの列車から、ここのように、OOSで動作します...(4ヶ月のトレーニング 10ヶ月のAOS)その後、何もない。
もうすべてクリアしているのだから、デモをテストする意味がないと思うのですが。
今後、いつシステムがクラッシュするかわからない :D 何らかのセミグラを作り、今は座ってぼんやり眺めている、すでに5万円が提供されている
500ページの本をもう一度英語で読んでみる・・・。
フェッチの交換を始めるとか?
インプットのゴミはアウトプットのゴミ」というのは、妥当でありながら、理解すべき重要なテーゼであり、基礎研究に値する。もちろん、モデリングの可能性をすべて網羅しているわけではないし、研究のための入力データの選び方の無限の可能性を考慮しているわけでもない。データの選択は、研究対象の特性や、数学的モデルが分かっている場合はその性質によって決まることは周知の通りである。一方、どのようなデータも、市場の動きを 決定する一連の「絶対的な」要因に対して、一定の抽象度をもって検討されるべきです。このベンチマークがなければ、純粋にローカルな比較試算しかできない。個人的な経験では、入力データの選択に熟考を重ねることで、数値モデリングの性能が向上することを実感しています。
チップの交換を始めるのはどうだろう?
私はエントリープライスだけで、チップに悩まされることはありません :) 主なものはターゲットの選択です。
インプットのゴミはアウトプットのゴミ」というのは、妥当でありながら、理解すべき重要なテーゼであり、基礎研究に値する。もちろん、モデリングの可能性をすべて網羅しているわけではないし、研究のための入力データの選び方の無限の可能性を考慮しているわけでもない。データの選択は、研究対象の特性や、数学的モデルが分かっている場合はその性質によって決まることは周知の通りである。一方、どのようなデータも、市場の動きを 決定する一連の「絶対的な」要因に対して、一定の抽象度をもって検討されるべきです。このベンチマークがなければ、純粋にローカルな比較試算しかできない。個人的には、これまでの経験から、入力データの選択に熟考を重ねることで、数値モデリングの性能が向上することを実感しています。
terver+MO、他にあまり選択肢がないと思います。なんだか科学的で味わい深いですね。
テーバーが苦手なので、勉強しないと。
私はインプット価格を持っているだけで、チップに悩まされることはありません :) 主なものはターゲットの選択です。
それなら、過去の価格が繰り返される限り、すべてうまくいくはずだ......。
terver+MOかな、他に選択肢はあまりない。なんだか科学的で味わい深いですね。
terverは全く知らないので、勉強してみます。
その通りです。
あるアサウレンコは、まさにそれを実践している。彼はウサギのようにくねくねしていますが、物理学者ですから、彼のモデルには自信があります。
そして、それは次のようになります - 価格が信頼確率レベルの外にあるかどうかを調べ、NSはさらに取引に入るための許可/拒否を与えます。私も同じで、NSの代わりにピアソンの非対称係数を使用しているだけです。でも、その方がいいんです。 私もそういう風にしたいんです。