국회를 주제로 하는 모든 분들 좋은 시간 되세요. 국회는 기본적인 의미에서 공부를 많이 하지 않았지만, 의문점이 있고, 상의할 사람도 없다. 시공모델을 잘 아시는 분이 계시다면 어떤 방향으로 솔루션을 찾아야 하는지, 어떤 점이 있는지 조언 부탁드립니다.
과제는 다음과 같습니다. 다시 그리기 표시기의 값인 1차원 배열에 선택 항목이 있습니다. 동일한 샘플 배열을 얻기 위해 NN의 도움으로 네트워크를 훈련하는 것이 가능하지만 이 샘플이 미래에 실시간으로 다시 그려지지 않도록 할 수 있습니까? 즉, 교사의 도움을 받아 샘플 값의 복제를 훈련하고 그러한 결과를 실시간으로 다시 그릴 수 있습니까? 그렇지 않다면 가장 적합한 모델은 무엇입니까? 내가 이해하는 클러스터링은 두 가지 솔루션의 형태로 최종 답변을 제공합니다. 예 아니오, 참 거짓, 0 1 이 훈련 모델은 당면한 작업에 적합하지 않습니다. 당면한 작업에 어떤 학습 모델이 필요합니까? 그리고 최종 결과에서 다시 그리는 값을 없애는 법을 배우는 데 의미가 있습니까?
국회를 주제로 하는 모든 분들 좋은 시간 되세요. 국회는 기본적인 의미에서 공부를 많이 하지 않았지만, 의문점이 있고, 상의할 사람도 없다. 시공모델을 잘 아시는 분이 계시다면 어떤 방향으로 솔루션을 찾아야 하는지, 어떤 점이 있는지 조언 부탁드립니다.
과제는 다음과 같습니다. 다시 그리기 표시기의 값인 1차원 배열에 선택 항목이 있습니다. 동일한 샘플 배열을 얻기 위해 NN의 도움으로 네트워크를 훈련하는 것이 가능하지만 이 샘플이 미래에 실시간으로 다시 그려지지 않도록 할 수 있습니까? 즉, 교사의 도움을 받아 샘플 값의 복제를 훈련하면 이 결과가 실시간으로 다시 그려질까요? 그렇다면 어떤 모델이 이에 가장 적합합니까? 내가 이해하는 클러스터링은 두 가지 솔루션의 형태로 최종 답변을 제공합니다. 예 아니오, 참 거짓, 0 1 이 훈련 모델은 당면한 작업에 적합하지 않습니다. 당면한 작업에 어떤 학습 모델이 필요합니까? 그리고 최종 결과에서 다시 그리는 값을 없애는 법을 배우는 데 의미가 있습니까?
국회는 기본적인 의미에서 공부를 많이 하지 않았지만, 의문점이 있고, 상의할 사람도 없다.
... 동일한 샘플 배열을 얻기 위해 NN의 도움으로 네트워크를 훈련하는 것이 가능하지만 이 샘플이 미래에 실시간으로 다시 그려지지 않도록 할 수 있습니까? 즉, 교사의 도움을 받아 샘플 값의 복제를 훈련하고 그러한 결과를 실시간으로 다시 그릴 수 있습니까?
NN의 작업에 대한 이상한 기본 이해, 그리고 당신의 개념에서 NN을 훈련하는 데 오류가 무엇입니까?
대답은 불가능합니다. 신경망은 다시 그리기가 아닌 데이터에 대해 교육을 받은 경우에도 항상 귀하의 의견에 따라 다시 그립니다. 활성화 기능과 신경망의 구조를 실험할 수 있지만 여전히 모든 것이 "실행"됩니다. 신경망의 학습 오류 - 이 오류는 훈련된 신경망을 계산할 때 "다시 그려집니다"
NN의 작업에 대한 이상한 기본 이해, 그리고 당신의 개념에서 NN을 훈련하는 데 오류가 무엇입니까?
대답은 불가능합니다. 신경망은 다시 그리기가 아닌 데이터에 대해 교육을 받은 경우에도 항상 귀하의 의견에 따라 다시 그립니다. 활성화 기능과 신경망의 구조를 실험할 수 있지만 여전히 모든 것이 "실행"됩니다. 신경망의 학습 오류 - 이 오류는 훈련된 신경망을 계산할 때 "다시 그려집니다"
이 같은
학습 오류는 모델의 원하는 출력과 실제 출력 간의 차이입니다. 학습 과정에 참여하지 않은 새로운 데이터로 모델의 정확도를 평가하는 것은 허용되지 않습니다. 일반화 오류를 사용하는 것이 좋습니다. 테스트 세트의 모델 오류. 이 같은.
그래서 이 문제를 국회의 도움으로 해결할 수 있는지 알고 싶었다. 그리고 이 문제를 해결할 수 있는 가능한 모델에 대해. 예, 아이디어는 과거에서 다시 그리기가 아닌 값의 범위를 가져와 이 샘플에서 네트워크를 훈련시키는 것이었습니다. 기성 모델로 훈련하거나 수동으로 구성하기 위한 특수 프로그램이 있습니다. 문제는 이 작업에 어떤 모델이 더 적합한지, 모델명, 그런 모델이 있을 거라 확신합니다. 예, 오류가 있을 수 있지만 최소화할 수 있습니다. 가장 중요한 것은 모델이 올바르게 선택되었다는 것입니다. 다른 참가자들의 의견을 듣겠습니다.
장점인 것 같지만 아직 말하기는 이르다. 금요일에 데모 계정을 시작했습니다. 거래량 - 0.01. 거래 횟수를 줄이고 품질을 향상시키기 위해 최소 진입 트리거를 늘리는 것이 좋습니다.
Alexander_K :
TS가 아니라 헛소리야, 친구.
그런 적은 수의 거래에 대해서는 Grail을 인식할 수 없습니다. 뛰어난 분석이 있더라도 예상 이익은 매우 작고 스프레드를 크게 초과하지 않습니다. 역방향 전략(귀하의 것과 같은)은 백테스터와 실생활 모두에서 훨씬 더 "미학적"으로 보입니다. 튀긴 다음 당분간은 분석적 이점 없이 사람들의 눈을 가루로 만들 수 있습니다. 대부분의 사기꾼이 실제로 성배와 신호로 하는 것처럼 말입니다.
국회를 주제로 하는 모든 분들 좋은 시간 되세요.
국회는 기본적인 의미에서 공부를 많이 하지 않았지만, 의문점이 있고, 상의할 사람도 없다.
시공모델을 잘 아시는 분이 계시다면 어떤 방향으로 솔루션을 찾아야 하는지, 어떤 점이 있는지 조언 부탁드립니다.
과제는 다음과 같습니다.
다시 그리기 표시기의 값인 1차원 배열에 선택 항목이 있습니다.
동일한 샘플 배열을 얻기 위해 NN의 도움으로 네트워크를 훈련하는 것이 가능하지만 이 샘플이 미래에 실시간으로 다시 그려지지 않도록 할 수 있습니까?
즉, 교사의 도움을 받아 샘플 값의 복제를 훈련하고 그러한 결과를 실시간으로 다시 그릴 수 있습니까?
그렇지 않다면 가장 적합한 모델은 무엇입니까?
내가 이해하는 클러스터링은 두 가지 솔루션의 형태로 최종 답변을 제공합니다. 예 아니오, 참 거짓, 0 1
이 훈련 모델은 당면한 작업에 적합하지 않습니다.
당면한 작업에 어떤 학습 모델이 필요합니까?
그리고 최종 결과에서 다시 그리는 값을 없애는 법을 배우는 데 의미가 있습니까?
국회를 주제로 하는 모든 분들 좋은 시간 되세요.
국회는 기본적인 의미에서 공부를 많이 하지 않았지만, 의문점이 있고, 상의할 사람도 없다.
시공모델을 잘 아시는 분이 계시다면 어떤 방향으로 솔루션을 찾아야 하는지, 어떤 점이 있는지 조언 부탁드립니다.
과제는 다음과 같습니다.
다시 그리기 표시기의 값인 1차원 배열에 선택 항목이 있습니다.
동일한 샘플 배열을 얻기 위해 NN의 도움으로 네트워크를 훈련하는 것이 가능하지만 이 샘플이 미래에 실시간으로 다시 그려지지 않도록 할 수 있습니까?
즉, 교사의 도움을 받아 샘플 값의 복제를 훈련하면 이 결과가 실시간으로 다시 그려질까요?
그렇다면 어떤 모델이 이에 가장 적합합니까?
내가 이해하는 클러스터링은 두 가지 솔루션의 형태로 최종 답변을 제공합니다. 예 아니오, 참 거짓, 0 1
이 훈련 모델은 당면한 작업에 적합하지 않습니다.
당면한 작업에 어떤 학습 모델이 필요합니까?
그리고 최종 결과에서 다시 그리는 값을 없애는 법을 배우는 데 의미가 있습니까?
결과가 지속적으로 다시 그려지면 최종 결과로 무엇을 고려해야합니까 ???
촛불이 끝날 때 다른 모든 것과 마찬가지로 계산하지 않으시겠습니까?
결과가 지속적으로 다시 그려지면 최종 결과로 무엇을 고려해야합니까 ???
촛불이 끝날 때 다른 모든 것과 마찬가지로 계산하지 않으시겠습니까?
우리는 극단값이 아니라 값 의 범위를 훈련합니다.
최종 결과는 1차원 배열의 원래 교사입니다.
저것들. 요점은 예를 들어 동일한 마우스를 복사하되 실시간으로 다시 그리지 않도록 하는 것입니다.
국회는 기본적인 의미에서 공부를 많이 하지 않았지만, 의문점이 있고, 상의할 사람도 없다.
...
동일한 샘플 배열을 얻기 위해 NN의 도움으로 네트워크를 훈련하는 것이 가능하지만 이 샘플이 미래에 실시간으로 다시 그려지지 않도록 할 수 있습니까?
즉, 교사의 도움을 받아 샘플 값의 복제를 훈련하고 그러한 결과를 실시간으로 다시 그릴 수 있습니까?
NN의 작업에 대한 이상한 기본 이해, 그리고 당신의 개념에서 NN을 훈련하는 데 오류가 무엇입니까?
대답은 불가능합니다. 신경망은 다시 그리기가 아닌 데이터에 대해 교육을 받은 경우에도 항상 귀하의 의견에 따라 다시 그립니다. 활성화 기능과 신경망의 구조를 실험할 수 있지만 여전히 모든 것이 "실행"됩니다. 신경망의 학습 오류 - 이 오류는 훈련된 신경망을 계산할 때 "다시 그려집니다"
이 같은
NN의 작업에 대한 이상한 기본 이해, 그리고 당신의 개념에서 NN을 훈련하는 데 오류가 무엇입니까?
대답은 불가능합니다. 신경망은 다시 그리기가 아닌 데이터에 대해 교육을 받은 경우에도 항상 귀하의 의견에 따라 다시 그립니다. 활성화 기능과 신경망의 구조를 실험할 수 있지만 여전히 모든 것이 "실행"됩니다. 신경망의 학습 오류 - 이 오류는 훈련된 신경망을 계산할 때 "다시 그려집니다"
이 같은
학습 오류는 모델의 원하는 출력과 실제 출력 간의 차이입니다.
학습 과정에 참여하지 않은 새로운 데이터로 모델의 정확도를 평가하는 것은 허용되지 않습니다.
일반화 오류를 사용하는 것이 좋습니다. 테스트 세트의 모델 오류.
이 같은.
그래서 이 문제를 국회의 도움으로 해결할 수 있는지 알고 싶었다.
그리고 이 문제를 해결할 수 있는 가능한 모델에 대해.
예, 아이디어는 과거에서 다시 그리기가 아닌 값의 범위를 가져와 이 샘플에서 네트워크를 훈련시키는 것이었습니다.
기성 모델로 훈련하거나 수동으로 구성하기 위한 특수 프로그램이 있습니다.
문제는 이 작업에 어떤 모델이 더 적합한지, 모델명, 그런 모델이 있을 거라 확신합니다.
예, 오류가 있을 수 있지만 최소화할 수 있습니다. 가장 중요한 것은 모델이 올바르게 선택되었다는 것입니다.
다른 참가자들의 의견을 듣겠습니다.
실제 데이터의 진행 상황은 어떻습니까?
실제 데이터에 대한 성공은 어떻습니까?
장점인 것 같지만 아직 말하기는 이르다. 금요일에 데모 계정을 시작했습니다. 거래량 - 0.01. 거래 횟수를 줄이고 품질을 향상시키기 위해 최소 진입 트리거를 늘리는 것이 좋습니다.
장점인 것 같지만 아직 말하기는 이르다. 금요일에 데모 계정을 시작했습니다. 거래량 - 0.01. 거래 횟수를 줄이고 품질을 향상시키기 위해 최소 진입 트리거를 늘리는 것이 좋습니다.
TS가 아니라 헛소리야, 친구.
장점인 것 같지만 아직 말하기는 이르다. 금요일에 데모 계정을 시작했습니다. 거래량 - 0.01. 거래 횟수를 줄이고 품질을 향상시키기 위해 최소 진입 트리거를 늘리는 것이 좋습니다.
TS가 아니라 헛소리야, 친구.
그런 적은 수의 거래에 대해서는 Grail을 인식할 수 없습니다. 뛰어난 분석이 있더라도 예상 이익은 매우 작고 스프레드를 크게 초과하지 않습니다. 역방향 전략(귀하의 것과 같은)은 백테스터와 실생활 모두에서 훨씬 더 "미학적"으로 보입니다. 튀긴 다음 당분간은 분석적 이점 없이 사람들의 눈을 가루로 만들 수 있습니다. 대부분의 사기꾼이 실제로 성배와 신호로 하는 것처럼 말입니다.