트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2251 1...224422452246224722482249225022512252225322542255225622572258...3399 새 코멘트 mytarmailS 2020.12.19 14:38 #22501 막심 드미트리예프스키 : 시리즈를 다른 공간에 매핑(분포?) 글쎄요, 다른 공간으로, 분포는 잘 모르겠습니다.. 왜 클래스 레이블인가? 왜 인코더인가? Maxim Dmitrievsky 2020.12.19 14:58 #22502 mytarmailS : 글쎄요, 다른 공간으로, 분포는 잘 모르겠습니다.. 왜 클래스 레이블인가? 왜 인코더인가? 좋은 판매 사례와 구매 사례가 필요하므로 태그 이것은 이 공간의 점 분포이며 일반적으로 다차원 법선이 선택됩니다. 아마도 작동하지 않을 것입니다. 그러나 멋지네요. 내년에 패턴이 바뀌면 어떻게 하시겠습니까? 현재 연도에서 빼낼 수 없습니다. 전체 기록을 가져와 조건부로 클러스터로 나누고 각각의 샘플 수를 균등화한 다음 샘플을 생성하고 훈련해야 합니다. 이것은 이론상으로 + - 안정적일 것입니다. mytarmailS 2020.12.19 15:10 #22503 막심 드미트리예프스키 : 좋은 판매 사례와 구매 사례가 필요하므로 태그 이것은 일반적으로 이 공간의 포인트 분포입니다............. 글쎄, 네, 구체적인 아이디어가 너무 그렇다는 데 동의합니다 .... =========================== 배포판의 로봇은 무엇입니까? Maxim Dmitrievsky 2020.12.19 15:25 #22504 mytarmailS : 글쎄요, 저는 구체적인 아이디어가 그저 그렇다는 데 동의합니다. =========================== 배포판의 로봇은 무엇입니까? 무작위가 아닌 일반 데이터에 대한 멋진 아이디어 유로에서는 약탈만 하고 다른 것은 별로 좋지 않습니다. 흠 대신 인코더를 미뤘어 아직 안끝났어 34767361 2020.12.19 17:38 #22505 어떻게 prikrepit 악기 BTC/USD? Maxim Dmitrievsky 2020.12.20 09:04 #22506 흠 대신 인코더. 훈련 2개월, 시험 5년 아키텍처를 선택하는 것이 다소 어렵습니다. 단일 레이어가 전혀 작동하지 않고 두 번째 레이어를 추가하면 더 좋아졌습니다. 기존 피드포워드 레이어 mytarmailS 2020.12.20 12:34 #22507 막심 드미트리예프스키 : 흠 대신 인코더. 훈련 2개월, 시험 5년 아키텍처를 선택하는 것이 다소 어렵습니다. 단일 레이어가 전혀 작동하지 않고 두 번째 레이어를 추가하면 더 좋아졌습니다. 기존 피드포워드 레이어 흠이 있으면 일정이 더 원활 해집니다 ... 그리고 왜 뉴런이 존재하는지, 블록다이어그램으로 설명할 수 있습니까? 하나의 레이어는 선형 문제만 풀 수 있습니다. Maxim Dmitrievsky 2020.12.20 12:41 #22508 mytarmails : 흠이 있으면 일정이 더 순조로운 것 같습니다 ... 그리고 왜 뉴런이 존재하는지, 블록다이어그램으로 설명할 수 있습니까? 하나의 레이어는 선형 문제만 풀 수 있습니다. 나는 그들에게 더 많은 것을 기대했다 인코더는 뉴런입니다 당신은 여전히 아무것도 이해하지 못하지만 여기에 구조가 있습니다 class Encoder(nn.Module): def __init__(self, input_dim, hidden_dim, latent_dim, n_classes): super().__init__() self.linear = nn.Linear(input_dim + n_classes, hidden_dim) self.mu = nn.Linear(hidden_dim, latent_dim) self.var = nn.Linear(hidden_dim, latent_dim) def forward(self, x): # x is of shape [batch_size, input_dim + n_classes] hidden = torch.sigmoid(self.linear(x)) # hidden is of shape [batch_size, hidden_dim] # latent parameters mean = self.mu(hidden) # mean is of shape [batch_size, latent_dim] log_var = self.var(hidden) # log_var is of shape [batch_size, latent_dim] return mean, log_var class Decoder(nn.Module): def __init__(self, latent_dim, hidden_dim, output_dim, n_classes): super().__init__() self.latent_to_hidden = nn.Linear(latent_dim + n_classes, hidden_dim) self.hidden_to_out = nn.Linear(hidden_dim, output_dim) def forward(self, x): # x is of shape [batch_size, latent_dim + num_classes] x = torch.sigmoid(self.latent_to_hidden(x)) # x is of shape [batch_size, hidden_dim] generated_x = torch.sigmoid(self.hidden_to_out(x)) # x is of shape [batch_size, output_dim] return generated_x class CVAE(nn.Module): def __init__(self, input_dim, hidden_dim, latent_dim, n_classes): super().__init__() self.encoder = Encoder(input_dim, hidden_dim, latent_dim, 1 ) self.decoder = Decoder(latent_dim, hidden_dim, input_dim, 1 ) def forward(self, x, y): x = torch.cat((x, y), dim= 1 ) # encode z_mu, z_var = self.encoder(x) # sample from the distribution having latent parameters z_mu, z_var # reparameterize std = torch. exp (z_var / 2 ) eps = torch.randn_like(std) x_sample = eps.mul(std).add_(z_mu) z = torch.cat((x_sample, y), dim= 1 ) # decode generated_x = self.decoder(z) return generated_x, z_mu, z_var mytarmailS 2020.12.20 12:54 #22509 막심 드미트리예프스키 : 인코더는 뉴런 진지하게? ))))) 농담하는거야 아니면 뭐야? )) 막심 드미트리예프스키 : 아직도 이해하지 못한다 그렇기 때문에 간단히 말해서 당신이 기대했던 것, 왜 그것이 당신의 의견으로 작동했어야 했는지, 블록 다이어그램이 일반적으로 이상적이라고 말하는 이유입니다 ... 그리고 생소한 언어로 된 생소한 성경의 코드는 당연히 이해하기 어렵습니다. Maxim Dmitrievsky 2020.12.20 12:55 #22510 mytarmailS : 진지하게? ))))) 농담하는거야 아니면 뭐야? )) 그렇기 때문에 간단히 말해서 당신이 기대했던 것, 왜 그것이 당신의 의견으로 작동했어야 했는지, 블록 다이어그램이 일반적으로 이상적이라고 말하는 이유입니다 ... 그리고 생소한 언어로 된 생소한 성경의 코드는 당연히 이해하기 어렵습니다. 농담의 의미에서? 1...224422452246224722482249225022512252225322542255225622572258...3399 새 코멘트 사유: 취소 트레이딩 기회를 놓치고 있어요: 무료 트레이딩 앱 복사용 8,000 이상의 시그널 금융 시장 개척을 위한 경제 뉴스 등록 로그인 공백없는 라틴 문자 비밀번호가 이 이메일로 전송될 것입니다 오류 발생됨 Google으로 로그인 웹사이트 정책 및 이용약관에 동의합니다. 계정이 없으시면, 가입하십시오 MQL5.com 웹사이트에 로그인을 하기 위해 쿠키를 허용하십시오. 브라우저에서 필요한 설정을 활성화하시지 않으면, 로그인할 수 없습니다. 사용자명/비밀번호를 잊으셨습니까? Google으로 로그인
시리즈를 다른 공간에 매핑(분포?)
글쎄요, 다른 공간으로, 분포는 잘 모르겠습니다..
왜 클래스 레이블인가? 왜 인코더인가?
글쎄요, 다른 공간으로, 분포는 잘 모르겠습니다..
왜 클래스 레이블인가? 왜 인코더인가?
좋은 판매 사례와 구매 사례가 필요하므로 태그
이것은 이 공간의 점 분포이며 일반적으로 다차원 법선이 선택됩니다.
아마도 작동하지 않을 것입니다. 그러나 멋지네요.
내년에 패턴이 바뀌면 어떻게 하시겠습니까? 현재 연도에서 빼낼 수 없습니다.
전체 기록을 가져와 조건부로 클러스터로 나누고 각각의 샘플 수를 균등화한 다음 샘플을 생성하고 훈련해야 합니다. 이것은 이론상으로 + - 안정적일 것입니다.
좋은 판매 사례와 구매 사례가 필요하므로 태그
이것은 일반적으로 이 공간의 포인트 분포입니다.............
글쎄, 네, 구체적인 아이디어가 너무 그렇다는 데 동의합니다 ....
===========================
배포판의 로봇은 무엇입니까?
글쎄요, 저는 구체적인 아이디어가 그저 그렇다는 데 동의합니다.
===========================
배포판의 로봇은 무엇입니까?
무작위가 아닌 일반 데이터에 대한 멋진 아이디어
유로에서는 약탈만 하고 다른 것은 별로 좋지 않습니다.
흠 대신 인코더를 미뤘어 아직 안끝났어
어떻게 prikrepit 악기 BTC/USD?
흠 대신 인코더. 훈련 2개월, 시험 5년
아키텍처를 선택하는 것이 다소 어렵습니다. 단일 레이어가 전혀 작동하지 않고 두 번째 레이어를 추가하면 더 좋아졌습니다.
기존 피드포워드 레이어
흠 대신 인코더. 훈련 2개월, 시험 5년
아키텍처를 선택하는 것이 다소 어렵습니다. 단일 레이어가 전혀 작동하지 않고 두 번째 레이어를 추가하면 더 좋아졌습니다.
기존 피드포워드 레이어
흠이 있으면 일정이 더 원활 해집니다 ...
그리고 왜 뉴런이 존재하는지, 블록다이어그램으로 설명할 수 있습니까?
하나의 레이어는 선형 문제만 풀 수 있습니다.
흠이 있으면 일정이 더 순조로운 것 같습니다 ...
그리고 왜 뉴런이 존재하는지, 블록다이어그램으로 설명할 수 있습니까?
하나의 레이어는 선형 문제만 풀 수 있습니다.
나는 그들에게 더 많은 것을 기대했다
인코더는 뉴런입니다
당신은 여전히 아무것도 이해하지 못하지만 여기에 구조가 있습니다
인코더는 뉴런
진지하게? ))))) 농담하는거야 아니면 뭐야? ))
아직도 이해하지 못한다
그렇기 때문에 간단히 말해서 당신이 기대했던 것, 왜 그것이 당신의 의견으로 작동했어야 했는지, 블록 다이어그램이 일반적으로 이상적이라고 말하는 이유입니다 ...
그리고 생소한 언어로 된 생소한 성경의 코드는 당연히 이해하기 어렵습니다.
진지하게? ))))) 농담하는거야 아니면 뭐야? ))
그렇기 때문에 간단히 말해서 당신이 기대했던 것, 왜 그것이 당신의 의견으로 작동했어야 했는지, 블록 다이어그램이 일반적으로 이상적이라고 말하는 이유입니다 ...
그리고 생소한 언어로 된 생소한 성경의 코드는 당연히 이해하기 어렵습니다.
농담의 의미에서?