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 8

新しいコメント
 
Реter Konow:

はい、学校のカリキュラムの中の数学は知っています。以前、解析幾何の授業（関数と座標軸を扱う授業）で、「 関数がグラフ上に 曲線を描くなら、 グラフ上の曲線から関数を描けるか？ 「と 聞くと、「無理です」とはっきりした答えが返ってきました。このことから、パターンは数学的に記述できるが、値から生成した公式を得ることができないため、特定することはできないという結論に達しました。

もしかしたら、他にも数学的なツールがあるのかもしれませんね。知っている人は教えてください。

正確無比に言えば、「いいえ」です。しかし、一般的には、任意のデータから関数を得る手段がある。それは「近似性」と呼ばれるものです。一般にどんな関数でもデータの真ん中にフィットさせることができることに加え、多項式や級数など、元のデータをほぼ完全に再現できる特殊な関数があります。

ちなみに、テイラー級数やマクラーレン級数による任意の関数の計算方法は、昔から存在する。

 
Реter Konow:

はい、学校のカリキュラムの中の数学は知っています。以前、解析幾何の授業（関数と座標軸を扱う授業）で、「関数がグラフ上に 曲線を描くなら、グラフ上の曲線から関数を描けるか？「と 聞くと、「無理です」とはっきりした答えが返ってきました。このことから、パターンは数学的に記述できるが、その値から生成した公式を得ることはできないので、特定することはできない、という結論に達したのです。

もしかしたら、他にも数学的なツールがあるのかもしれませんね。知っている人がいたら教えてください。
ドミトリー・フェドセーエフ

正確無比に言えば、「いいえ」です。しかし、一般的には、任意のデータから関数を得る手段がある。それは「近似性」と呼ばれるものです。一般にどんな関数でもデータの真ん中にフィットさせることができることに加え、多項式や級数など、元のデータをほぼ完全に再現できる特殊な関数があります。

ちなみに、テイラー級数やマクラーレン級数による任意の関数の計算方法は、昔から存在する。

ところで、MOの問題でもあるんですが、今度、そういうのをスケッチしてみようかな、面白い問題ですね。

2Peter Konow： あまり楽しい思いをさせないためにも、ある程度まではMOを使いこなすことをお勧めします。 読書と数学ができる人なら、MOの基本は理解できますから、努力すればいいんです。

 

Кеша Рутов:

...

2リタグ・コノウ： あまり人を楽しませないように、せめて手口だけでも突き詰めていくことをお勧めします。手口の基本は、文字と数が読めれば誰でも理解できますから、あとは努力あるのみです。

まあ、そんな感じでやっています。笑ったり、交わったり、おでこを叩いたり、でも答えはない...。賢い顔をして笑うのは、答えにならない。

私が理解できる分野では、必ず説明し、その上で読みに行かせるようにしています。

1.OCHLと写真、どちらのデータがパターン認識に向いているか？違いはあるのか、ないのか？

2.アルゴトレーディングのパターン認識には、なぜ昔からNSが使われていないのでしょうか？bool Head_n_showlders()」のような機能がNSで動作し、見つかったパターンを修正する機能はどこにあるのでしょうか。

知っていますか？

 
Реter Konow:

まあ、そんな感じで考えています。笑ったり、交差したり、おでこを叩いたり、でも答えはない...。賢い顔をして笑うのは、答えにならない。

私が理解できる分野では、必ず説明し、その上で読みに行かせるようにしています。

1.OCHLと写真、どちらのデータがパターン認識に向いているか？違いはあるのか、ないのか？

2.アルゴトレーディングのパターン認識には、なぜ昔からNSが使われていないのでしょうか？bool Head_n_showlders()」のような機能がNSで動作し、見つかったパターンを修正する機能はどこにあるのでしょうか。

知っていますか？

1.どんなパターンを探したいかにもよりますが。好ましくは、解析のために供給されるデータの形式は、意図されたパターンの集合にできるだけ近いものであるべきである。

例えば、「ヘッドショルダー」パターンを表現するには、ジグザグ・インジケータ、あるいはパラメータだけを変えた複数のインジケータを 使うのがよいでしょう。


パターンの説明がZigzagインジケータに非常に似ていることがわかります。しかし、そのパターンは、例えば、異なる指標、その組み合わせ、その変換値などを通じて、全く異なる性質のものとなり得るのである。

2.上に書いたように、パターンを探すにはもっと適切な方法がある。


データそのものからパターンが離れれば離れるほど、そのパターンを見つけるのは難しくなる。

 
Реter Konow:

まあ、そんな感じで考えています。笑ったり、交差したり、おでこを叩いたり、でも答えはない...。賢い顔をして笑うのは、答えにならない。

私が理解できる分野では、必ず説明し、その上で読みに行かせるようにしています。

1.OCHLと写真、どちらのデータがパターン認識に向いているか？違いはあるのか、ないのか？

2.アルゴトレーディングのパターン認識には、なぜ昔からNSが使われていないのでしょうか？bool Head_n_showlders()」のような機能がNSで動作し、見つかったパターンを修正する機能はどこにあるのでしょうか。

知っていますか？

1 確かにOCHLだが、例えばウェーブレットで前処理され、最悪の場合、幾何学的に 周期が増加するモメンタムやストキャスティックのような指標の束になる。

2) 価格パターンは、リファレンスとのスライディングコンボリューション（乗算・加算）で「直接」検索する方が簡単で、ここではNSはあまり役に立ちません。NSやMOは、インプットの出口がはっきりしないときに必要なもので、MO自体は何か、モデルのようなものをつくりますが、残念ながらかなり狭い範囲にとどまっています。


PS そして、一般的に1つのチャート上の「ヘッドショルダー」などは、何もなく、見つけるのは簡単ですが、何も予測しません。

 
Кеша Рутов:

1 確かにOCHLですが、例えばウェーブレットによって前処理され、少なくとも幾何学的に増加する周期を持つモメンタムやストキャスティックのような指標の束です。

2) 価格パターンは、リファレンスとのスライディングコンボリューション（乗算・加算）で「直接」検索する方が簡単で、ここではNSはあまり役に立ちません。NSやMOは、インプットの出口がはっきりしないときに必要なもので、MO自体は何か、モデルのようなものをつくりますが、残念ながらかなり狭い範囲にとどまっています。


PSと一般的に1つのチャート上の「ヘッドショルダー」パターンは何もない、見つけるのは簡単だが、何も予測しない。

アリアクサンデル・フリシン

1.どんなパターンを探したいかにもよりますが。できれば、分析したいデータの形式は、意図したパターンの集合にできるだけ近いものが望ましい。

例えば、「ヘッドショルダー」パターンを表現するには、ジグザグ・インジケータ、あるいはパラメータだけを変えた複数のインジケータを使うのがよいでしょう。


パターンの説明がZigzagインジケータに非常に似ていることがわかります。しかし、そのパターンは、例えば、異なる指標、その組み合わせ、その変換値などを通じて、全く異なる性質のものとなり得るのである。

2.上に書いたように、パターンを探すにはもっと適切な方法がある。


データそのものからパターンが離れれば離れるほど、そのパターンを見つけるのは難しくなる。

なるほど、ありがとうございます。調べてみるよ。

 
実際、そうなんです。あなたはまず、NSから得た答えをどのように使えばいいのか？変換しないと判断できないのか等。そうして初めて、重要なのはパターンそのものではなく、その出現に対する市場の反応であることに気づくのです。そして、これが取引される反応です。そうでないと、TSではなく、混乱を招くことになります。
NSと取引しています。すべてにおいて満足しています。収益性は予想とかなり異なりますが、ポジティブであり、このビジネスではそれが重要なのです。そして何もない......。国家システムがあり、すべてが進行している。文句を言う人の中には、それが何であるかを理解せず、この楽器に関して誇張した期待を抱いている人がいる。しかし、冷静に見て、その強さをきちんと見積もってみると。NSにできること、できないこと。それなら、研究者の期待も大いにうなずけます。そして、私の投稿のスペルの分野での会話の特に好奇心旺盛な参加者に。間違いを探すのではなく、発言の核心に迫るようにしたほうがいい。ナンセンスなことを言っているので、読んでいて恥ずかしくなる。
その人は、先生がいるトレーニングといないトレーニングの違いを理解せず、同じだと言っています。申し訳ないが、そのような知識では遠くへ行くことはできない。IMHO
 
特に、追加的な事実の重みに耐えて考えを変えない場合。チャーチルによれば、考えを変えないのは愚か者と死者だけだという。
 
Mihail Marchukajtes:
実際、そうなんです。あなたはまず、NSから得た答えをどのように使えばいいのか？変形させないと判断できないのか等。そうして初めて、重要なのはパターンそのものではなく、その出現に対する市場の反応であることに気がつくのです。そして、この反応こそがトレードされるべきなのです。そうでないと、TSではなく、混乱を招くことになります。
NSと取引しています。すべてにおいて満足しています。収益性は予想とかなり異なりますが、ポジティブであり、このビジネスではそれが重要なのです。そして何もない......。国家システムがあり、すべてが進行している。文句を言う人の中には、それが何であるかを理解せず、この楽器に関して誇張した期待を抱いている人がいる。しかし、冷静に見て、その強さをきちんと見積もってみると。NSにできること、できないこと。それなら、研究者の期待も大いにうなずけます。 そして、私の投稿のスペルの分野での会話の特に好奇心旺盛な参加者に。間違いを探すのではなく、発言の核心に迫るようにしたほうがいい。ナンセンスなことを言っているので、読んでいて恥ずかしく なる。
その人は、先生がいるトレーニングといないトレーニングの違いを理解せず、同じだと言っています。申し訳ないが、そのような知識では遠くへ行くことはできない。IMHO

あなたの発言に中身があったら、その時に探します。理解できないことがあっても、それが異端というわけではありません。

そして、あなたが行った場所 - 非常によく見て - どのような野生の結論。

 

ニューラルネットワークは画像を分類し、カタログ化するために学習させることができますが、この画像やあの画像をカタログのあるカテゴリに割り当てる確率がどのような基準で起こるか、それがニューラルネットワークの確率的な誤差です。

すでに記憶された画像は、時間が経つと、それに対する反応の結果が悪化して選別されるようになる。したがって、ニューラルネットワークの成功は、その瞬間に有効な画像のカタログが記憶ボード上に存在するかどうかで決まるのである。その延長線上にあるベースは、プラスというよりマイナスでしょう。

12345678910
新しいコメント