알렉세이 테렌테프 : 나는 당신에게 같은 바를 제공하라고 말하지 않았다. =) 내가 말하려는 것은 아키텍처가 일정해야 하며 새로운 경우마다 "주의"의 창을 앞으로 이동해야 한다는 것입니다. 따라서 특정 데이터 세트의 직렬성과 한 가지 특성이 추적됩니다.
하나의 학습 틱: i - 현재 인덱스. 입력 = [i-100, i], 출력 = [i+1, i+6]. 따라서 나는 매번 새롭습니다.
알겠습니다. 설명하겠습니다. 예를 들어, 5개의 종가 진입 가격과 1개의 종가 종료 가격이 있으며 창 막대를 막대별로 이동하여 6번째 막대에서 이 5개 막대의 패턴을 찾고 있습니다. 우리는 이 5개 막대의 조합이 동일하게 보인다는 데 사전에 동의하지 않았습니다. 이제 조합이 매번 똑같다고 상상해보십시오. 신경망은 어떤 대답을 얻을까요? ... 대답 할 가치가 없다고 생각합니다. 이제 더 나아가 제 경우에는 조합이 항상 동일하지만 길이가 다르기 때문에 절단할 수 없다는 것이 밝혀졌습니다. 길이 의존성은 포워드의 주된 것은 아니지만 길이를자를 수 없기 때문에 그것도 중요하다고 생각합니다. 더 짧은 것으로 판명 된 것을 길게하는 아이디어가 있었지만 처음에 의존했던 이미지를 잃을 것입니다. 아마 완전히 혼란 .....
비정상이란 정확히 무엇입니까? 아마도 당신이 모델이고 고정 길이를 만들고 적절한 결과를 얻지 못한다는 사실 때문에? 모델의 길이를 늘리는 간단한 싸이클을 풀고 나왔는데 이제는 언제봐도 좋은 그림이 나옵니다. 그러나 워터 포워드는 모두 동일한 50/50을 가지고 있으며 이제 재정렬 방법을 찾고 있습니다 ...
음, 포트폴리오의 비정상성, 시그마에서 시그마로 이동하지 않지만 주기적으로 충돌합니다. 그런 다음 계산되고 다시 충돌합니다.
일부 지수/주식 간에 글로벌 결정론이 없는 경우 포트폴리오를 거래하는 것은 1개의 기호를 거래하는 것과 같지만 추가 비용이 든다고 가정해 보겠습니다.
음, 포트폴리오의 비정상성, 시그마에서 시그마로 이동하지 않지만 주기적으로 충돌합니다. 그런 다음 계산되고 다시 충돌합니다.
일부 지수/주식 간에 글로벌 결정론이 없는 경우 포트폴리오를 거래하는 것은 1개의 기호를 거래하는 것과 같지만 추가 비용이 든다고 가정해 보겠습니다.
절대적으로 사실이지만, 그러한 형태가 한 쌍에 나타날 때까지 기다리지 않고 매시간 분석을 수행할 수 있는 형태로 포트폴리오를 설정하는 이점이 있습니다. 다르게 말하겠습니다. 예를 들어, 미래의 1개 막대를 예측하기 위해 기록에서 10개의 막대만 분석하고, 신경망은 이 10개의 막대에서 수백 개의 패턴을 찾고, 1개의 패턴을 제안하고 앞으로 신경망을 훈련시킵니다. .
볼륨에 대해 이해하지 못했습니다. 10,000개의 상태 예제가 훈련에 충분하지 않습니까?
충분할 수도 있고 그렇지 않을 수도 있습니다. 무엇을 어떻게 가르치는지에 달려 있습니다.
내 첫 번째 옵션에서 ~ 10000은 전혀 없었습니다. 그리고 후자에서는 동일한 NS로 학습 모델을 변경한 후 모든 것이 정상이었습니다.
이 경우 정적 100개 막대의 모델이 거세되고 이것이 더 이상 가능한 패턴에 대한 원하는 검색으로 이어지지 않을 것이라고 생각합니다(
내가 말하려는 것은 아키텍처가 일정해야 하며 새로운 경우마다 "주의"의 창을 앞으로 이동해야 한다는 것입니다. 따라서 특정 데이터 세트의 직렬성과 한 가지 특성이 추적됩니다.
하나의 학습 틱: i - 현재 인덱스. 입력 = [i-100, i], 출력 = [i+1, i+6]. 따라서 나는 매번 새롭습니다.
나는 당신에게 같은 바를 제공하라고 말하지 않았다. =)
내가 말하려는 것은 아키텍처가 일정해야 하며 새로운 경우마다 "주의"의 창을 앞으로 이동해야 한다는 것입니다. 따라서 특정 데이터 세트의 직렬성과 한 가지 특성이 추적됩니다.
하나의 학습 틱: i - 현재 인덱스. 입력 = [i-100, i], 출력 = [i+1, i+6]. 따라서 나는 매번 새롭습니다.
알겠습니다. 설명하겠습니다. 예를 들어, 5개의 종가 진입 가격과 1개의 종가 종료 가격이 있으며 창 막대를 막대별로 이동하여 6번째 막대에서 이 5개 막대의 패턴을 찾고 있습니다. 우리는 이 5개 막대의 조합이 동일하게 보인다는 데 사전에 동의하지 않았습니다. 이제 조합이 매번 똑같다고 상상해보십시오. 신경망은 어떤 대답을 얻을까요? ... 대답 할 가치가 없다고 생각합니다. 이제 더 나아가 제 경우에는 조합이 항상 동일하지만 길이가 다르기 때문에 절단할 수 없다는 것이 밝혀졌습니다. 길이 의존성은 포워드의 주된 것은 아니지만 길이를자를 수 없기 때문에 그것도 중요하다고 생각합니다. 더 짧은 것으로 판명 된 것을 길게하는 아이디어가 있었지만 처음에 의존했던 이미지를 잃을 것입니다. 아마 완전히 혼란 .....
자르지 않으면 여러 개의 신경망이 필요합니다. 100 x 200 및 250
Maxim, 신경망에 무엇을 입력합니까? 입구에 있는 Vaughn Sorcerer는 증분 사라지고 당신은?
또한 그들) 다른 지연으로 분포의 순간을 추가하고 싶습니다.
그리고 지연. 피드백 네트워크. 실제로 2개의 네트워크가 있습니다.
근데 요즘 게을러서.. 책을 다시 읽어서 그런듯.. 1.5주만에 1000페이지 3장 :D
비정상이란 정확히 무엇입니까? 아마도 당신이 모델이고 고정 길이를 만들고 적절한 결과를 얻지 못한다는 사실 때문에? 모델의 길이를 늘리는 간단한 싸이클을 풀고 나왔는데 이제는 언제봐도 좋은 그림이 나옵니다. 그러나 워터 포워드는 모두 동일한 50/50을 가지고 있으며 이제 재정렬 방법을 찾고 있습니다 ...
음, 포트폴리오의 비정상성, 시그마에서 시그마로 이동하지 않지만 주기적으로 충돌합니다. 그런 다음 계산되고 다시 충돌합니다.
일부 지수/주식 간에 글로벌 결정론이 없는 경우 포트폴리오를 거래하는 것은 1개의 기호를 거래하는 것과 같지만 추가 비용이 든다고 가정해 보겠습니다.
또는 하나의 심볼을 분해 하여 포트폴리오를 만들고 하나의 심볼을 거래하십시오)))
자르지 않으면 여러 개의 신경망이 필요합니다. 100 x 200 및 250
조언에 감사드립니다. 아마도 더 정확할 것이지만 로봇에서는 하나의 네트워크가 아닌 여러 네트워크에서 신호를 설정하기만 하면 됩니다.
조언에 감사드립니다. 아마도 더 정확할 것이지만 로봇에서는 하나의 네트워크가 아닌 여러 네트워크에서 신호를 설정하기만 하면 됩니다.
왜 여러 곳에서? 데이터가 제출된 데이터에서. 당신은 길이가 다른 두 번째 사람이며 답변을 얻을 수 없습니다.
저것들. 앙상블은 얻을 수 없습니다. 그리고 차례로, 그렇습니다.
왜 여러 곳에서? 데이터가 제출된 데이터에서. 당신은 길이가 다른 두 번째 사람이며 답변을 얻을 수 없습니다.
저것들. 앙상블은 얻을 수 없습니다. 그리고 차례로, 그렇습니다.
올바르게 표현되지 않았습니다. 당신이 맞습니다. 논리는 이것이고, 모델이 구축되고, 모델의 길이가 결정되고, 현재 모델의 길이에 해당하는 훈련된 네트워크 가 시작됩니다. 결국 로봇에 여러 네트워크와 길이의 모델이 있을 뿐입니다.
음, 포트폴리오의 비정상성, 시그마에서 시그마로 이동하지 않지만 주기적으로 충돌합니다. 그런 다음 계산되고 다시 충돌합니다.
일부 지수/주식 간에 글로벌 결정론이 없는 경우 포트폴리오를 거래하는 것은 1개의 기호를 거래하는 것과 같지만 추가 비용이 든다고 가정해 보겠습니다.
절대적으로 사실이지만, 그러한 형태가 한 쌍에 나타날 때까지 기다리지 않고 매시간 분석을 수행할 수 있는 형태로 포트폴리오를 설정하는 이점이 있습니다. 다르게 말하겠습니다. 예를 들어, 미래의 1개 막대를 예측하기 위해 기록에서 10개의 막대만 분석하고, 신경망은 이 10개의 막대에서 수백 개의 패턴을 찾고, 1개의 패턴을 제안하고 앞으로 신경망을 훈련시킵니다. .