여기 뒤집기의 카드 게임이 있습니다. 여기 국회가 있습니다. 우리는 즉시 규칙으로 국회를 제한하지만 게임의 규칙, 즉 우리의 비전은 아닙니다. 한 번에 한 장의 카드 - 그게 아빠가 저에게 가르쳐주신 방법입니다 ... 그리고 그들은 저를 가르치게 했고 카드 게임에서 AI를 훈련시켰습니다
조합론의 관점에서 볼 때 맞습니다. 게임의 일반 규칙과 목표 - 승리 횟수, 그러나 국회는 가장 작은 카드에서 어떻게 가거나 트럼프 카드만 던질 것입니다 ... 왜 우리가 간섭해야합니까? ? - 목표는 최대 승리 횟수입니다.
그들은 거의 그런 원시적인 방식으로 가르쳤습니다... 그러나 나는 Atari가 이미 모든 게임을 이겼던 소프트웨어의 이름을 잊어버렸습니다. - 여기에서 유창하게 착각해서 오래 읽을 수 있을 것 같다.
글쎄요, 2~3명이 국회에 맞서서 앉을 겁니다... 그리고 뼛속까지 박살낼 것입니다. 국회는 최대 경기 수에서 최대 승리를 거두면 안 된다. 그리고 최대 투자 수익. NA는 라인에 무언가가 있고 특정 상황에서 올인할 수 있습니다. 그러나 국회는 누구와 경쟁하고 있는지 정확히 알아야 합니다. 바보에 대한 것보다 포커에 대한 것입니다. 공평함도 존재하며, 승자는 상대방을 착취하는 자에게 돌아간다. 수준이 높은 경우.
그들이 인터넷에서 말하듯이: 당신은 필 아이비와 경기하고 그를 이길 수 있지만 장기적으로 당신은 잃을 것입니다. 왜요? 그는 당신이 과거 게임에서 이미 보여준 예를 들어 당신과 대결 하는 방법을 알고 있습니다. 그리고 당신은 그를 상대로 플레이하는 방법을 모릅니다. 그는 카드 놀이를 하지 않고 당신과 함께 합니다.
플레이하고 이기려면 위험을 알아야 합니다. 그리고 어디에서 "모든 것"을 위험에 빠뜨릴 수 있으며 누구와 언제, 그리고 테이블에 전혀 앉지 않는 것이 더 낫습니다!
Dence에는 이러한 Dropout 매개변수가 있습니다. 설명: Dropout은 학습 시간 동안 업데이트할 때마다 입력 단위의 비율을 무작위로 0으로 설정하여 과적합을 방지하는 데 도움이 됩니다.
그 의미를 잘 이해하지 못하지만, 일종의 재훈련에 대한 투쟁인 것 같다. 따라서 증가함에 따라 교육의 질이 향상됩니다. 그러나 0.5 이상 증가하면 TensorFlow가 맹세하기 시작합니다. WARNING:tensorflow:Large dropout rate: 이것이 의도된 것인지 확인하십시오 .
Dence에는 이러한 Dropout 매개변수가 있습니다. 설명: Dropout은 학습 시간 동안 업데이트할 때마다 입력 단위의 비율을 무작위로 0으로 설정하여 과적합을 방지하는 데 도움이 됩니다.
그 의미를 잘 이해하지 못하지만, 일종의 재훈련에 대한 투쟁인 것 같다. 따라서 증가함에 따라 교육의 질이 향상됩니다. 그러나 0.5 이상 증가하면 TensorFlow가 맹세하기 시작합니다. WARNING:tensorflow:Large dropout rate: 이것이 의도된 것인지 확인하십시오 .
즉, 0.5 이후 품질이 시작됩니다.
왜 이것이 무엇인지 이해하는 사람이 있습니까?
나는 뉴런에 대한 전문가와는 거리가 멀지만 드롭아웃 은 일종의 정규화입니다. 네, 과적합을 방지하기 위한 것입니다. 뉴런을 훈련할 때 뉴런 중 일부가 재설정(죽음)되고, 이는 뉴런이 더 잘 일반화되고 하나의 뉴런에 많은 정보를 집중하지 않습니다. 아마도 0.5는 재설정할 뉴런 수의 최대 임계값일 것입니다.
나는 뉴런에 대한 전문가와는 거리가 멀지만 드롭아웃 은 일종의 정규화입니다. 네, 과적합을 방지하기 위한 것입니다. 뉴런을 훈련할 때 뉴런 중 일부가 재설정(죽음)되고, 이는 뉴런이 더 잘 일반화되고 하나의 뉴런에 많은 정보를 집중하지 않습니다. 아마도 0.5는 재설정할 뉴런 수의 최대 임계값일 것입니다.
알겠습니다. 0.5보다 큰 드롭아웃에서 잘 작동한다면 벡터에 많은 초과가 있다는 것이 밝혀졌습니다.
위대하고 탁월한 Alexander가 쓴 것처럼(그리고 smradlab에 계속 글을 쓰고 있습니다) 시장 시간에 맞춰 작업해야 하며 우리 모두는 행복할 것입니다.
이것은 "우리 아버지"처럼 배우고 모니터에 앉아있는 동안 반복해야 할 명백한 진리입니다.
이해는 나중에 온다 먼저 - 흔들리지 않는 믿음시공간을 꿰뚫은 슈릭에 대한 영화가 생각난다)
게임 이론에 관해서지만, MO와 관련하여 손가락에
우리는 보통 무엇을 합니까?
여기 뒤집기의 카드 게임이 있습니다. 여기 국회가 있습니다. 우리는 즉시 규칙으로 국회를 제한하지만 게임의 규칙, 즉 우리의 비전은 아닙니다. 한 번에 한 장의 카드 - 그게 아빠가 저에게 가르쳐주신 방법입니다 ... 그리고 그들은 저를 가르치게 했고 카드 게임에서 AI를 훈련시켰습니다
조합론의 관점에서 볼 때 맞습니다. 게임의 일반 규칙과 목표 - 승리 횟수, 그러나 국회는 가장 작은 카드에서 어떻게 가거나 트럼프 카드만 던질 것입니다 ... 왜 우리가 간섭해야합니까? ? - 목표는 최대 승리 횟수입니다.
그들은 거의 그런 원시적인 방식으로 가르쳤습니다... 그러나 나는 Atari가 이미 모든 게임을 이겼던 소프트웨어의 이름을 잊어버렸습니다. - 여기에서 유창하게 착각해서 오래 읽을 수 있을 것 같다.
글쎄요, 2~3명이 국회에 맞서서 앉을 겁니다... 그리고 뼛속까지 박살낼 것입니다. 국회는 최대 경기 수에서 최대 승리를 거두면 안 된다. 그리고 최대 투자 수익. NA는 라인에 무언가가 있고 특정 상황에서 올인할 수 있습니다. 그러나 국회는 누구와 경쟁하고 있는지 정확히 알아야 합니다. 바보에 대한 것보다 포커에 대한 것입니다. 공평함도 존재하며, 승자는 상대방을 착취하는 자에게 돌아간다. 수준이 높은 경우.
그들이 인터넷에서 말하듯이: 당신은 필 아이비와 경기하고 그를 이길 수 있지만 장기적으로 당신은 잃을 것입니다. 왜요? 그는 당신이 과거 게임에서 이미 보여준 예를 들어 당신과 대결 하는 방법을 알고 있습니다. 그리고 당신은 그를 상대로 플레이하는 방법을 모릅니다. 그는 카드 놀이를 하지 않고 당신과 함께 합니다.
플레이하고 이기려면 위험을 알아야 합니다. 그리고 어디에서 "모든 것"을 위험에 빠뜨릴 수 있으며 누구와 언제, 그리고 테이블에 전혀 앉지 않는 것이 더 낫습니다!
테이블에 앉으십시오 - 언제 떠날지 압니다.Dence에는 이러한 Dropout 매개변수가 있습니다.
설명:
Dropout은 학습 시간 동안 업데이트할 때마다 입력 단위의 비율을 무작위로 0으로 설정하여 과적합을 방지하는 데 도움이 됩니다.
그 의미를 잘 이해하지 못하지만, 일종의 재훈련에 대한 투쟁인 것 같다. 따라서 증가함에 따라 교육의 질이 향상됩니다. 그러나 0.5 이상 증가하면 TensorFlow가 맹세하기 시작합니다.
WARNING:tensorflow:Large dropout rate: 이것이 의도된 것인지 확인하십시오 .
즉, 0.5 이후 품질이 시작됩니다.
왜 이것이 무엇인지 이해하는 사람이 있습니까?
Dence에는 이러한 Dropout 매개변수가 있습니다.
설명:
Dropout은 학습 시간 동안 업데이트할 때마다 입력 단위의 비율을 무작위로 0으로 설정하여 과적합을 방지하는 데 도움이 됩니다.
그 의미를 잘 이해하지 못하지만, 일종의 재훈련에 대한 투쟁인 것 같다. 따라서 증가함에 따라 교육의 질이 향상됩니다. 그러나 0.5 이상 증가하면 TensorFlow가 맹세하기 시작합니다.
WARNING:tensorflow:Large dropout rate: 이것이 의도된 것인지 확인하십시오 .
즉, 0.5 이후 품질이 시작됩니다.
왜 이것이 무엇인지 이해하는 사람이 있습니까?
나는 뉴런에 대한 전문가와는 거리가 멀지만 드롭아웃 은 일종의 정규화입니다. 네, 과적합을 방지하기 위한 것입니다. 뉴런을 훈련할 때 뉴런 중 일부가 재설정(죽음)되고, 이는 뉴런이 더 잘 일반화되고 하나의 뉴런에 많은 정보를 집중하지 않습니다. 아마도 0.5는 재설정할 뉴런 수의 최대 임계값일 것입니다.
나는 당신이 이 "공리"를 확인할 수 있는지 의심합니다 - 이것이 모든 "울타리"에 쓰여 있다는 것을 압니다.
나는 오랫동안 울타리를 읽지 않았다. MM은 일종의 "화장품"이며 실제 이익 / 위험 비율을 마이너스에서 플러스로 가져올 수는 없지만 백테스트에서 그러한 환상을 만들 수 있습니다.
물론 가장 멋진 조직에서도 mm가 트레이더를 연속으로 속일 수 있는 방법에 대한 모든 가능한 옵션을 분석하는 것은 현실적이지 않습니다. 그러나 Martin의 예에서 이는 모든 사람에게 해당되는 것은 아니지만 쉽게 보여줍니다.
예를 들어 동일한 일련의 무작위 항목, 동일한 TP/SL을 포함하는 2TS를 가정해 보겠습니다. 그러나 첫 번째 로트에는 일정한 로트가 있고 두 번째 로트는 이전 거래가 손실되면 두 배가 됩니다.
다음은 임의의 예입니다.
보시다시피 수익성의 환상은 kakshk에서 만들어지며 첫 번째는 ASR <0이고 두 번째는 ASR>3 기적입니다!
나는 오랫동안 울타리를 읽지 않았다. MM은 일종의 "화장품"이며 실제 이익 / 위험 비율을 마이너스에서 플러스로 가져올 수는 없지만 백테스트에서 그러한 환상을 만들 수 있습니다.
물론 가장 멋진 조직에서도 mm가 트레이더를 연속으로 속일 수 있는 방법에 대한 모든 가능한 옵션을 분석하는 것은 현실적이지 않습니다. 그러나 Martin의 예에서 이는 모든 사람에게 해당되는 것은 아니지만 쉽게 보여줍니다.
예를 들어 동일한 일련의 무작위 항목, 동일한 TP/SL을 포함하는 2TS를 가정해 보겠습니다. 그러나 첫 번째 로트에는 일정한 로트가 있고 두 번째 로트는 이전 거래가 손실되면 두 배가 됩니다.
다음은 임의의 예입니다.
보시다시피 수익성의 환상은 kakshk에서 만들어지며 첫 번째는 ASR <0이고 두 번째는 ASR>3 기적입니다!
네, 두 번 이상 통과했습니다.
나는 오랫동안 울타리를 읽지 않았다. MM은 일종의 "화장품"이며 실제 이익 / 위험 비율을 마이너스에서 플러스로 가져올 수는 없지만 백테스트에서 그러한 환상을 만들 수 있습니다.
물론 가장 멋진 조직에서도 mm가 트레이더를 연속으로 속일 수 있는 방법에 대한 모든 가능한 옵션을 분석하는 것은 현실적이지 않습니다. 그러나 Martin의 예에서 이는 모든 사람에게 해당되는 것은 아니지만 쉽게 보여줍니다.
예를 들어 동일한 일련의 무작위 항목, 동일한 TP/SL을 포함하는 2TS를 가정해 보겠습니다. 그러나 첫 번째 로트에는 일정한 로트가 있고 두 번째 로트는 이전 거래가 손실되면 두 배가 됩니다.
다음은 임의의 예입니다.
보시다시피 수익성의 환상은 kakshk에서 만들어지며 첫 번째는 ASR <0이고 두 번째는 ASR>3 기적입니다!
마지막에 기적
따라서 눈사태
눈사태는 똥으로 만들어지는 것이 아니라 기술적 분석을 할 수 없다는 것에 대한 언급에서 비롯됩니다. 가격 움직임의 무작위성에 대한 강조나는 뉴런에 대한 전문가와는 거리가 멀지만 드롭아웃 은 일종의 정규화입니다. 네, 과적합을 방지하기 위한 것입니다. 뉴런을 훈련할 때 뉴런 중 일부가 재설정(죽음)되고, 이는 뉴런이 더 잘 일반화되고 하나의 뉴런에 많은 정보를 집중하지 않습니다. 아마도 0.5는 재설정할 뉴런 수의 최대 임계값일 것입니다.
네, 두 번 이상 통과했습니다.
글쎄, 왜 다투는거야?
이것이 ABC다, 은행이나 헤지펀드에 취직을 하려고 백테스터를 통해 전략을 최적화한다고 하면, 온갖 곱창(mm, 실행 등)을 가지고도 흑역사가 된다 마크, 그들은 그 후 지방 DC에 가져 가지 않을 것입니다.
글쎄, 왜 다투는거야?
이것이 ABC다, 은행이나 헤지펀드에 취직을 하려고 백테스터를 통해 전략을 최적화한다고 하면, 온갖 곱창(mm, 실행 등)을 가지고도 흑역사가 된다 마크, 그들은 그 후 지방 DC에 가져 가지 않을 것입니다.
나는 논쟁하지 않는다, 말하자면 나는 선동자이다.
글쎄, 논쟁의 요점이 무엇입니까? 정직하게 번 이익을 나와 공유하지 않을 것입니다. 그러나 손실에 대한 보상을 약속하지 않으므로
))))
주제가 아니라 은행에 대한 것, 목표는 다르지만 은행에서도 정기적으로 돈을 낭비한다고 말할 수 있습니다.)
지방 DC는 훈련에 참여하고 있습니다. 정말 효과가 있습니다! 그들은 왜 거래를 해야 합니까? - 목표도 다르다
추신 : 이단자들과의 싸움을 기억했습니다. 누가 옳고 누가 화형에 처할지 알아내는 것이 남아 있습니다))))
UPD: 멋진 이야기를 할 시간입니다....
나는 같은 차트를 만들었고 EA는 TC 자체를 생성하고 TC는 이상적이지 않지만 IMHO, 미래에 이 차트로 작업할 수 있습니다.