ニューラルネットワークによる任意パターンの探索 - ページ 6

新しいコメント
 
ピーターさん、ネットに慣れた後は、畳み込みネットを見て ください。
 
Реter Konow:

価格データで認識するのと、色で認識するのは別の話です。それでも、まったく異なるアプローチとメカニズム。

PCにカラーチャート方式を採用することに意味はあるのでしょうか？)))

よし、降参だ！そうでなければ、これからも笑わせてもらうぞ ))))

NSの場合、そしてPCとのインタラクションのアルゴリズムの場合、すべてのデータは配列の形で表示されます（メモリや配列はここでは重要ではありません）。

で、NSがOHLC配列に何を教えても、スクリーンショットのビットマスク配列に何を教えても違いはないでしょう。

機械学習では、データ、構成、NSの種類などが重要であるという「トリック」がありますが、ここではよりランダム性が支配的です;)。

 
Igor Makanu:

グラフィックの配色は、PCとして理にかなっていると思いますか？)))

よし、降参だ！そうでなければ、これからも笑わせてもらうぞ ))))

NSの場合、そしてPCとやりとりするアルゴリズムの場合、すべてのデータは配列として表現される（メモリや配列はここでは重要ではない）。

で、NSがOHLC配列に何を教えても、スクリーンショットのビットマスク配列に何を教えても違いはないでしょう。

機械学習では、データ、構成、NSの種類などが重要であるという「トリック」がありますが、ここではよりランダム性が支配的です;)。

あなたはMoDについて私よりも理解しているのは間違いありませんが、ここには論理的な矛盾があります。OCHLのデータとパターンのスクリーンショットのデータは、コンピュータレベルでは根本的に異なるデータです。価格の場合はdouble、色の場合はuintである。OCHLの場合は、バーの価格パラメータの値の相関を分析する必要があり、画像の場合は、求められた画像との対応関係を分析する必要がある。OCHLのデータを使ったトレーニングは、グラフではなく数値のパターンを探すものです（当然のことながら、ネットワークにとっては数値でもあります）。一方、グラフィカルパターンの学習は、全く別の素材と方法を使います。 数値 パターンから図式 パターンを見つけ出すのは、もしかしたら間違って いるのかもしれません。 これらは、学習や認識に対するアプローチの違いだと思います。
 
Aliaksandr Hryshyn:
ピーターさん、ネットに慣れた後は、畳み込みネットを見てください。
そうします。
 

神の母よ！


 
そして、1パターンあたりのOCHLデータ量は〜10個または100個、グラフィック画像は〜300*300ピクセルの色値 である。
 
Dmitry Fedoseev:

神の母よ！


何度も自分を責めないで、誰にでも間違いはあるんだから)
 
Реter Konow:
そんなに自分を責めるな、誰にでも間違いはあるんだ)

しかし、誰もがそんなふうに首を突っ込むわけではありません。

 
Igor Makanu:

残念、あなたは直らない!

コンピュータは何を処理してもいいんだ。結局、与えられたものが何なのかさえわからない。それが写真であれ核データであれOHLSであれ...数字はそのまま数字なんだ！」。

PCにはスマートさなんてない、アルゴリズムで処理する馬鹿な機械なんだ、と。

ということで、説明したのでしょうか？

))))

NSは、何を与えても必ず必要なものが手に入る「魔法の杖」だとお考えでしょうか？データの大きさは関係ありません。すべては数字だ...。

では、どこにパターンを見つけるアルゴリズムがあるのか、理解できない。この「全能のNS」はどこにあるのでしょうか？これだけ長い間MOを研究しているのに、いまだにMTの武器である「パターン認識装置」がないんです。

 
Dmitry Fedoseev:

しかし、誰もがそんなふうに首を突っ込むわけではありません。

専門家として、どのようなチャート、タイムフレームでも最低5つのパターンを認識するNSを作ることができますか？
12345678910
新しいコメント