나는 당신의 코드를 볼 수 있는 힘/용기를 얻었습니다(종종 모든 교과서보다 코드에 더 많은 진실이 있습니다) - 이중 결정 변수의 분류자에 어떤 종류의 승수가 있는지 말해 줄 수 있습니까? 이 가중치는 무엇입니까? . . 처음에 어떻게 찾았습니까? 저것들. 그들은 왜 이런가?
또는 더 나은 - 주석을 달아주세요 - 어떤 변수를 허용하는지, 함수 코드는 무엇입니까?
미리 감사합니다!
추신
1. 활성화 함수로 S자형(S자형)을 사용하고 있는 것을 보니... "수축 함수로 자주 사용되는"...
이것을 수학에서는 다항식이라고 하며, 입력 값과 다른 계수를 곱한 계수에 다른 입력 값을 더한 활성화 함수를 곱하거나 아래와 같이 입력 값의 합에서 계수를 뺀 값을 다항식이라고 합니다. 등등 ...... 결과적으로 특정 클래스에 해당하는 0보다 크거나 작은 숫자를 얻습니다. 그러나 AI 시스템의 경우 "예"에 추가하여 훈련 분류 방법이 사용됩니다. "아니오" "모릅니다"라는 대답도 있습니다. 이것은 소위 커밋이라고 하는 하나의 AI 시스템의 일부로 두 개의 NS를 사용하여 달성됩니다. 놀랍게도 위원회 자체는 전체 모델의 품질을 크게 향상시키지 않습니다. 즉, 5개 이상의 모델로 위원회를 만드는 것은 말이 안되지만, 둘 중 훈련 개선 효과는 존재한다.
다음은 코드입니다.
double x0= 2.0 *(v0+ 327.0 )/ 650.0 - 1.0 ;
입력 값을 정규화합니다. 이것은 방정식에 직접 입력되기 전에 다항식에 대한 내부 기술 정규화입니다. 정규화 자체는 범위를 축소합니다. 즉, 시리즈의 비율을 변경하지 않고 시리즈 자체가 완벽한 원본처럼 보이지만 동시에 이 정규화 후에는 현재 시리즈의 최대-최소 범위에 놓이기 시작합니다. 일반적으로 범위 축소.
자산 기능과 관련하여 예, 해당 코드가 있습니다. 솔루션은 각 뉴런에서 선형이 아닐 것입니다! 사실 이것은 네트워크의 하나의 뉴런입니다.
- 0.13861638107404117 * sigmoid(x0)
이 다항식이 6개의 뉴런을 갖고 4개의 입력을 사용한다는 것을 계산하는 것은 어렵지 않습니다.
제곱을 하면 변화율, 변수가 얼마나 빨리 변했는지, 정규 차이는 변화 정도, 즉 미소가 얼마나 변했는지에 대한 실제 값을 알려줍니다. 어째서인지 벌써 웃는 얼굴을 하고 있는데 아직 못 하고 있다. 우분투에서 vine under vine이 시스템 충돌을 일으켜 나중에 부팅할 수 없습니다. 이것은 DDE 업데이트 및 녹음 때문인 것 같습니다. 일반적으로 문제가 로드되기 시작할 때 눈에 띄게 관리했지만 운이 좋았고 부팅하고 일종의 수정에 성공했습니다. What, What, Linux 시스템은 Windows보다 복구가 더 강력합니다. 윈도우를 복원할 확률이 5~10%라면 리눅스는 복원될 확률이 30~40% 정도다. 몇 년 전부터 Linux를 존경하기 시작했지만 여전히 Linux를 존경합니다 :-)
일반적으로 사용된 데이터에 대해 가능한 한 적은 수학적 변경을 시도하고 병합에 최대 플러스를 적용하고 몇 분 동안 변경의 징후뿐만 아니라 정도, 이 변경이 얼마나 강력한지 알아보십시오. 아마도 그게 전부일 것입니다. 그런 다음 정규화, 중심화, 크기 조정 등을 수행하십시오.
이 세 가지 클래스를 구분하는 데 사용할 수 있는 알고리즘은 말하지 마십시오. 파란색으로 표시된 클래스가 특히 중요합니다. 이 개는 두 부분으로 나누어져 있는데 안타깝게도 표적 마킹을 어떻게 분리해서 좌우 부분이 분리되는지 모르겠습니다. 조언을 해주실 수 있나요?
수집에 대한 명확한 규칙이 없고 실제로 파악해야 할 때 코드로 대상을 생성할 수 없는지 확인하십시오. 또는 제시된 벡터가 파란색 점에 속하는지 여부를 알아내려면 Kohonen의 자체 구성 맵 또는 이 시리즈의 것과 같이 대상이 필요하지 않은 NN을 사용해야 합니다. 대상이 필요하지 않은 네트워크 유형이 있지만 훈련 후 샘플에 몇 개의 클래스가 있는지, 즉 훈련 샘플을 몇 개의 그룹으로 나눌 수 있는지 알려줍니다. 또는 이 매개변수를 강제로 설정하십시오. 그룹이 4개라는 걸 확실히 안다면 강제로 샘플을 4개의 클래스로 나누고, 파란색을 찾아서 체크를 해보세요....
그건 그렇고, 예, 역학의 변화가 더 흥미로울 것입니다 (수요로 인해 가격이 상승 / 하락하는 옵션에 대한 설명과 함께) - 대안으로 +/에서 기울기 선 (탄력성)을 사용할 수 있습니다 -Delta는 중앙 타격에서 동일합니다(특히 시애틀 Fut 선형 회귀에서 더 좋음) ... IMHO(계산을 단순화하기 위해) ... 그러나 탄력성을 통한 추정의 변형에서 rt의 기여는 여전히 어떻게든 중화되어야 합니다 . 그리고/또는 dt에 대한 역학 시리즈를 연구하여 변수 rt(% *exp.까지의 일수)로 인한 왜곡이 그다지 주의를 산만하게 하지 않도록 ... 여전히 기하급수적입니다.
*****************
나는 거미줄 모델 (c59)에 관한 모든 것입니다(균형/불균형에 대한 욕망의 맥락에서) ... 모델의 수학은 저를 두렵게 합니다
Michael Marchukajtes # : 일반적으로 사용된 데이터에 대해 가능한 한 적은 수학적 변경을 시도하고 병합을 위한 최대 플러스 , 변경의 부호뿐만 아니라 정도, 이 변경이 얼마나 강력한지 알아보기 위해 마이너스를 사용합니다. 아마도 그게 전부일 것입니다. 그런 다음 정규화, 중심화, 크기 조정 등을 수행하십시오.
감사합니다 ... 시도하겠습니다. 그렇지 않으면 일반적으로 비율을 얻기 위해 모든 것을 자동으로 나눕니다(예: 가격 및/또는 볼륨별 Call-Put Ratio) ... 실제로 수학에는 모델링을 위한 다른 작업이 있습니다. 역학을 보기 위해 수평 관점(일명 dt)에서
Учебное пособие. Иркутск: Изд-во БГУЭП, 2003. - 178 с. Учебное пособие представляет собой вводный курс по теории и экономическим приложениям динамических систем. В нем дается представление о моделировании динамических процессов в дискретном и непрерывном...
마이클 마르쿠카이테스
- 이중 결정 변수의 분류자에 어떤 종류의 승수가 있는지 말해 줄 수 있습니까? - 이 가중치는 무엇입니까? ..
아, 이것들은 아마도 초기에 설정된 것들일 것이고, 학습 과정 동안 NSnet에 의해 자체 조정됩니다... 즉, 처음에는 아마도 무작위로 ... (하지만 적어도 기호에 논리가 있습니까?) ...
그러나 함수와 상수의 연산 논리(왜 정확히 이와 같으며 왜 함수가 이와 같은가)에 대한 질문은 남아 있습니까?
"으음... 누군가 도와줄 수만 있다면..." ©
이 세 가지 클래스를 구분하는 데 사용할 수 있는 알고리즘은 말하지 마십시오. 파란색으로 표시된 클래스가 특히 중요합니다. 이 개는 두 부분으로 나누어져 있는데 안타깝게도 표적 마킹을 어떻게 분리해서 좌우 부분이 분리되는지 모르겠습니다. 조언을 해주실 수 있으신가요?
"으음... 누군가 도울 수만 있다면..." ©
이 세 가지 클래스를 구분하는 데 사용할 수 있는 알고리즘은 말하지 마십시오. 파란색으로 표시된 클래스가 특히 중요합니다. 이 개는 두 부분으로 나누어져 있는데 안타깝게도 표적 마킹을 어떻게 분리해서 좌우 부분이 분리되는지 모르겠습니다. 조언을 해주실 수 있나요?
두 개의 직선으로 구분되는 눈으로.
마이클 마르쿠카이테스
나는 당신의 코드를 볼 수 있는 힘/용기를 얻었습니다(종종 모든 교과서보다 코드에 더 많은 진실이 있습니다) - 이중 결정 변수의 분류자에 어떤 종류의 승수가 있는지 말해 줄 수 있습니까? 이 가중치는 무엇입니까? . . 처음에 어떻게 찾았습니까? 저것들. 그들은 왜 이런가?
또는 더 나은 - 주석을 달아주세요 - 어떤 변수를 허용하는지, 함수 코드는 무엇입니까?
미리 감사합니다!
추신
1. 활성화 함수로 S자형(S자형)을 사용하고 있는 것을 보니... "수축 함수로 자주 사용되는"...
2.사각형이 더 나을까요?
네, 네트워크 솔루션은 의도대로 작성되어 있는데, 다르게 작성하면 이런 모양이 됩니다.
이것을 수학에서는 다항식이라고 하며, 입력 값과 다른 계수를 곱한 계수에 다른 입력 값을 더한 활성화 함수를 곱하거나 아래와 같이 입력 값의 합에서 계수를 뺀 값을 다항식이라고 합니다. 등등 ...... 결과적으로 특정 클래스에 해당하는 0보다 크거나 작은 숫자를 얻습니다. 그러나 AI 시스템의 경우 "예"에 추가하여 훈련 분류 방법이 사용됩니다. "아니오" "모릅니다"라는 대답도 있습니다. 이것은 소위 커밋이라고 하는 하나의 AI 시스템의 일부로 두 개의 NS를 사용하여 달성됩니다. 놀랍게도 위원회 자체는 전체 모델의 품질을 크게 향상시키지 않습니다. 즉, 5개 이상의 모델로 위원회를 만드는 것은 말이 안되지만, 둘 중 훈련 개선 효과는 존재한다.
다음은 코드입니다.
입력 값을 정규화합니다. 이것은 방정식에 직접 입력되기 전에 다항식에 대한 내부 기술 정규화입니다. 정규화 자체는 범위를 축소합니다. 즉, 시리즈의 비율을 변경하지 않고 시리즈 자체가 완벽한 원본처럼 보이지만 동시에 이 정규화 후에는 현재 시리즈의 최대-최소 범위에 놓이기 시작합니다. 일반적으로 범위 축소.
자산 기능과 관련하여 예, 해당 코드가 있습니다. 솔루션은 각 뉴런에서 선형이 아닐 것입니다! 사실 이것은 네트워크의 하나의 뉴런입니다.
- 0.13861638107404117 * sigmoid(x0)이 다항식이 6개의 뉴런을 갖고 4개의 입력을 사용한다는 것을 계산하는 것은 어렵지 않습니다.마이클 마르쿠카이테스
2.사각형이 더 나을까요?
제곱을 하면 변화율, 변수가 얼마나 빨리 변했는지, 정규 차이는 변화 정도, 즉 미소가 얼마나 변했는지에 대한 실제 값을 알려줍니다. 어째서인지 벌써 웃는 얼굴을 하고 있는데 아직 못 하고 있다. 우분투에서 vine under vine이 시스템 충돌을 일으켜 나중에 부팅할 수 없습니다. 이것은 DDE 업데이트 및 녹음 때문인 것 같습니다. 일반적으로 문제가 로드되기 시작할 때 눈에 띄게 관리했지만 운이 좋았고 부팅하고 일종의 수정에 성공했습니다. What, What, Linux 시스템은 Windows보다 복구가 더 강력합니다. 윈도우를 복원할 확률이 5~10%라면 리눅스는 복원될 확률이 30~40% 정도다. 몇 년 전부터 Linux를 존경하기 시작했지만 여전히 Linux를 존경합니다 :-)
일반적으로 사용된 데이터에 대해 가능한 한 적은 수학적 변경을 시도하고 병합에 최대 플러스를 적용하고 몇 분 동안 변경의 징후뿐만 아니라 정도, 이 변경이 얼마나 강력한지 알아보십시오. 아마도 그게 전부일 것입니다. 그런 다음 정규화, 중심화, 크기 조정 등을 수행하십시오."으음... 누군가 도울 수만 있다면..." ©
이 세 가지 클래스를 구분하는 데 사용할 수 있는 알고리즘은 말하지 마십시오. 파란색으로 표시된 클래스가 특히 중요합니다. 이 개는 두 부분으로 나누어져 있는데 안타깝게도 표적 마킹을 어떻게 분리해서 좌우 부분이 분리되는지 모르겠습니다. 조언을 해주실 수 있나요?
"으음... 누군가 도와줄 수만 있다면..." ©
이 세 가지 클래스를 구분하는 데 사용할 수 있는 알고리즘은 말하지 마십시오. 파란색으로 표시된 클래스가 특히 중요합니다. 이 개는 두 부분으로 나누어져 있는데 안타깝게도 표적 마킹을 어떻게 분리해서 좌우 부분이 분리되는지 모르겠습니다. 조언을 해주실 수 있으신가요?
데이터를 게시하고 시도하겠습니다.
나는 같은 시도를 제안하고 싶었습니다!
어째서인지 벌써 웃는 얼굴을 하고 있는데 아직 못 하고 있다.
그건 그렇고, 예, 역학의 변화가 더 흥미로울 것입니다 (수요로 인해 가격이 상승 / 하락하는 옵션에 대한 설명과 함께) - 대안으로 +/에서 기울기 선 (탄력성)을 사용할 수 있습니다 -Delta는 중앙 타격에서 동일합니다(특히 시애틀 Fut 선형 회귀에서 더 좋음) ... IMHO(계산을 단순화하기 위해) ... 그러나 탄력성을 통한 추정의 변형에서 rt의 기여는 여전히 어떻게든 중화되어야 합니다 . 그리고/또는 dt에 대한 역학 시리즈를 연구하여 변수 rt(% *exp.까지의 일수)로 인한 왜곡이 그다지 주의를 산만하게 하지 않도록 ... 여전히 기하급수적입니다.
*****************
나는 거미줄 모델 (c59)에 관한 모든 것입니다(균형/불균형에 대한 욕망의 맥락에서) ... 모델의 수학은 저를 두렵게 합니다
일반적으로 사용된 데이터에 대해 가능한 한 적은 수학적 변경을 시도하고 병합을 위한 최대 플러스 , 변경의 부호뿐만 아니라 정도, 이 변경이 얼마나 강력한지 알아보기 위해 마이너스를 사용합니다. 아마도 그게 전부일 것입니다. 그런 다음 정규화, 중심화, 크기 조정 등을 수행하십시오.
감사합니다 ... 시도하겠습니다. 그렇지 않으면 일반적으로 비율을 얻기 위해 모든 것을 자동으로 나눕니다(예: 가격 및/또는 볼륨별 Call-Put Ratio) ... 실제로 수학에는 모델링을 위한 다른 작업이 있습니다. 역학을 보기 위해 수평 관점(일명 dt)에서