Реter Konow : 확인. 우리는 실용적인 비유를 찾아야 합니다. 다이어그램은 레이어에 다른 수의 뉴런이 있음을 보여줍니다. 다이어그램을 뒤집으면 피라미드가 됩니다. 이것은 결과가 여러 단계의 처리를 거친다는 것을 의미합니다. 계층의 뉴런이 많을수록 이 계층이 수신하고 처리하는 데이터도 많아집니다. 다음 계층이 이전 계층보다 적은 데이터를 출력하면 데이터가 계층에서 계층으로 일반화됩니까?
예, 그들은 일반화되어 있습니다. 예를 들어 입력에 100개의 막대가 있는 경우 출력에 구매 또는 판매라는 두 가지 명령이 필요합니다.
작업은 신경망이 많은 데이터를 포함하는 것이 아니라 학습되는 데이터의 양에 해당하는 것입니다. 네트워크가 너무 크고 데이터가 충분하지 않으면 쉽게 학습할 수 있지만 다른 데이터로 일반화할 수 없습니다. 즉, 뉴런의 수는 가능한 한 작아야 합니다. 3층 이상은 필요 없을 것 같습니다. 첫 번째 계층에서 뉴런의 수는 초기 데이터 패턴의 크기에 해당하고 마지막 계층에서 결과 변형의 수에 해당합니다. 그리고 중간에 가능한 한 적게, 그러나 주말만큼은 아닙니다.
Wiki 엔트로피: ".... 실제 프로세스와 이상적인 프로세스의 편차 측정값. ... 수학적으로 엔트로피는 임의의 상수까지 정의된 시스템 상태의 함수로 정의됩니다."
그리고?
Fin.BP의 이상적인 시장은 무엇입니까? - 예, 누가 알겠습니까? 이것이 첫 번째 가정인 이상적인 시장 = 사인 곡선입니다!
입력으로 우리는 적어도 3개의 고가, 저가, 종가가 있으며 누구를 사용할 것입니까? - 좋아요, 이것이 두 번째 가정인 중앙값 가격 규칙입니다!
어디에서 어디까지 측정할 것인가? - 하루의 시작? 몇 주? 만료일? 거래 세션 ? - 좋아, 하루의 시작, 이것이 세 번째 가정이 되게 하라 ....
총 3개의 질문, 3번 우리가 옳다고 가정합니까? 여기에서 작업은 조합론으로 축소됩니다. 올바른 초기 가설을 몇 번이나 제시하고 추가 연구가 시장에 대한 올바른 평가로 이어질 것인지 ... 역사에 대한)))
엔트로피는 좋게 들리지만 정보 엔트로피의 위치에서 몇 년 전에이 주제를 파헤 쳤습니다. 다음 촛불 조합 (패턴) 반복이 형성되기 시작하거나 촛불 조합 (패턴)의 가장 가까운 반복이 형성되기 시작하면 단 하나의 결론이 있습니다. 역사에서-모든 사람에게 명백한 것이 시장에서 작동하지 않기 때문에 작동하지 않을 것입니다. 따라서 패턴과 상관 관계와 동일하게 그들은 명백해집니다-그들은 나타나지 않음))))), 일반적으로 그러한 경우에 나는 나 자신에게 말합니다- 당신이 가장 똑똑한 것은 아닙니다. 세상의 절반은 모니터에서 너무 똑똑합니다)))
아니, 이 엔트로피는 VR에 있는 정보의 양을 평가합니다. 엔트로피가 낮을수록 더 많은 정보(더 뚜렷한 주기)가 나타납니다. 저것들. 측정값은 상대적이며 예를 들어 다른 주에 상대적으로 사용합니다. 그곳이 더 낮고 거래가 무례한 곳입니다. 예시
Как может показаться, анализ сигналов и данных — тема достаточно хорошо изученная и уже сотни раз проговоренная. Но есть в ней и некоторые провалы. В последние годы словом «энтропия» бросаются все кому не лень, толком и не понимая, о чем говорят. Хаос — да, беспорядок — да, в термодинамике используется — вроде тоже да, применительно к сигналам...
예, 그들은 일반화되어 있습니다. 예를 들어 입력에 100개의 막대가 있는 경우 출력에 구매 또는 판매라는 두 가지 명령이 필요합니다.
작업은 신경망이 많은 데이터를 포함하는 것이 아니라 학습되는 데이터의 양에 해당하는 것입니다. 네트워크가 너무 크고 데이터가 충분하지 않으면 쉽게 학습할 수 있지만 다른 데이터로 일반화할 수 없습니다. 즉, 뉴런의 수는 가능한 한 작아야 합니다. 3층 이상은 필요 없을 것 같습니다. 첫 번째 계층에서 뉴런의 수는 초기 데이터 패턴의 크기에 해당하고 마지막 계층에서 결과 변형의 수에 해당합니다. 그리고 중간에 가능한 한 적게, 그러나 주말만큼은 아닙니다.
.... 3겹 이상은 필요 없을듯 합니다. 첫 번째 계층에서 뉴런의 수는 초기 데이터 패턴의 크기에 해당하고 마지막 계층에서 결과 변형의 수에 해당합니다. 그리고 중간에 가능한 한 적게, 그러나 주말만큼은 아닙니다.
3개의 레이어가 필요하지 않습니다. 하나의 내부 레이어가 있는 네트워크가 모든 연속 함수를 근사화할 수 있고 두 레이어가 있는 네트워크도 불연속성이 있는 함수를 근사할 수 있다는 것이 수학적으로 증명되었습니다(저는 책 증명에서 어딘가에서 만났습니다). 따라서 이 증명에 따르면 2배 이상의 레이어에는 실질적인 의미가 없으며 재교육으로 이어집니다.
아니, 이 엔트로피는 VR에 있는 정보의 양을 추정합니다. 엔트로피가 낮을수록 더 많은 정보가 있습니다(더 뚜렷한 주기). 저것들. 측정값은 상대적이며 예를 들어 다른 주에 상대적으로 사용합니다. 그곳이 더 낮고 거래가 무례한 곳입니다. 예시
음, sc로 측정된 Hurst와의 유추입니다. 창문
Maxim, 당신 말이 맞아요, 하지만 이론적으로는
여기 그래프가 있습니다. 정보의 양에 대해 무엇을 취할 수 있습니까? 1바? - 심각하지 않습니다. 막대 그룹을 사용합니다. - 특정 기간이 있습니다. 그렇다면 RSI, 확률론, 벼룩 차트를 사용하여 현재 상태를 평가하는 것보다 우리의 접근 방식이 더 나은 방법은 무엇입니까? - 누가 뭐라고 해도 똑같다, IMHO
TS의 사용이 시장의 컨텍스트와 연결되어야 한다는 사실 - 네, 하지만 컨텍스트가 매우 약하게 형식화되어 있습니다. 현재 플랫을 컨텍스트로 사용하여 트레이드 플랫을 시도하는 사람, 누군가 추세선을 그리고 대기 고장을 위해 .... 그리고 누가 옳습니까?
여기 그래프가 있습니다. 정보의 양에 대해 무엇을 취할 수 있습니까? 1바? - 심각하지 않습니다. 막대 그룹을 사용합니다. - 특정 기간이 있습니다. 그렇다면 RSI, 확률론, 벼룩 차트를 사용하여 현재 상태를 평가하는 것보다 우리의 접근 방식이 더 나은 방법은 무엇입니까? - 누가 뭐라고 해도 똑같아, IMHO
TS의 사용이 시장의 컨텍스트와 연결되어야 한다는 사실 - 네, 하지만 컨텍스트가 매우 약하게 형식화되어 있습니다. 현재 플랫을 컨텍스트로 사용하여 트레이드 플랫을 시도하는 사람, 누군가 추세선을 그리고 대기 고장을 위해 .... 그리고 누가 옳습니까?
아, 알겠습니다. ..sk. 창을 최적화하고, 엔트로피의 변화를 보고, 다른 창으로 모델을 훈련하고, 둘러보고 결론을 도출합니다. 과거를 보여주는 것은 분명하지만 예측 범위를 줄이고 Moshka로 이러한 간격을 끝내면 정보를 추출하십시오.
나는 그것에 대해
rsi는 주기적인 주기가 있는지 여부를 명시적으로 알려주지 않으며 엔트로피를 통해 평가할 수 있습니다. 나는 그것이 효과가 있다고 말하는 것이 아니라 데이터 마이닝에 필요하다고 말하는 것입니다.
아, 알겠습니다. .sk. 창을 최적화하고, 엔트로피의 변화를 보고, 다른 창으로 모델을 훈련하고, 둘러보고 결론을 도출합니다. 과거를 보여주는 것은 분명하지만 예측 범위를 줄이고 Moshka로 이러한 간격을 끝내면 정보를 추출하십시오.
나는 그것에 대해 같다
rsi는 주기적인 주기가 있는지 여부를 명시적으로 알려주지 않으며 엔트로피를 통해 평가할 수 있습니다. 나는 그것이 효과가 있다고 말하는 것이 아니라 데이터 마이닝에 필요하다고 말하는 것입니다.
모든 것을 물어보지는 않겠지만 이미 뭔가 읽기에 지쳤습니다... 슬라이딩 윈도우에서 NN을 훈련하는 것이 얼마나 정확합니까?
- 주기적인 정보를 찾고 있다면 - 네, 맞습니다. NN은 숨겨진 사이클을 찾고 자체적으로 가중치 계수를 조정합니다.
- NN이 인식하도록 가르친다면 NN은 학습할 것입니다.
- 시장에 주기적인 주기가 없습니다. 어딘가에 ZZ 상판의 형성 시간을 그린 ZZ가 있었습니다. ZZ의 설정과 함께, 주기적인 반복이 결코 없으며, ZZ는 5,11,7,3... .5,11,7,3....과 같은 막대로 표시됩니다. - 가능한 모든 조합이 있지만 반복은 없습니다
비주기적인 정보의 슬라이딩 윈도우에서 신경망을 훈련하면 거기에 있는 가중치 계수는 어떻게 됩니까? - 내가 기억하는 한, 단일 계층 네트워크는 히브리어로도 훈련할 수 없고 다중 계층 네트워크만 훈련할 수 있습니다. 슬라이딩 창을 이러한 용도로 사용할 수 있습니까? 나는 의심이있다
추신: 데이터 마이닝 - 예, 정보를 전달할 데이터를 필터링하면 Grail 이 있습니다.)
모든 것을 물어보지는 않겠지만 이미 뭔가 읽기에 지쳤습니다... 슬라이딩 윈도우에서 NN을 훈련하는 것이 얼마나 정확합니까?
- 주기적인 정보를 찾고 있다면 - 네, 맞습니다. NN은 숨겨진 사이클을 찾고 자체적으로 가중치 계수를 조정합니다.
- NN이 인식하도록 가르친다면 NN은 학습할 것입니다.
- 시장에 주기적인 주기가 없습니다. 어딘가에 ZZ 상판의 형성 시간을 그린 ZZ가 있었습니다. ZZ의 설정과 함께, 주기적인 반복이 결코 없으며, ZZ는 5,11,7,3... .5,11,7,3....과 같은 막대로 표시됩니다. - 가능한 모든 조합이 있지만 반복은 없습니다
비주기적인 정보의 슬라이딩 윈도우에서 신경망을 훈련하면 거기에 있는 가중치 계수는 어떻게 됩니까? - 내가 기억하는 한, 단일 계층 네트워크는 히브리어로도 훈련할 수 없고 다중 계층 네트워크만 훈련할 수 있습니다. 슬라이딩 창을 이러한 용도로 사용할 수 있습니까? 나는 의심이있다
추신: 데이터 마이닝 - 예, 정보를 전달할 데이터를 필터링할 수 있다면 Grail이 있는 것입니다.)
엄격하게 주기적일 필요는 없지만 노이즈가 없어야 합니다. 그림은 엄격하지 않고 확률적입니다. 슬라이딩 윈도우는 엔트로피 지표와 훈련을 위한 기능 수 모두를 위한 것이며 최적화할 수 있습니다.
샘플이 일치하지 않으면 아무 것도 작동하지 않으므로 많은 경우 50/50 오류가 발생합니다. 순환은 모순될 수 없으며 어떤 형태로든 존재하거나 존재하지 않습니다. 여러 사이클을 추가하면 서로 모순되지 않습니다.
확인. 우리는 실용적인 비유를 찾아야 합니다. 다이어그램은 레이어에 다른 수의 뉴런이 있음을 보여줍니다. 다이어그램을 뒤집으면 피라미드가 됩니다. 이것은 결과가 여러 단계의 처리를 거친다는 것을 의미합니다. 계층의 뉴런이 많을수록 이 계층이 수신하고 처리하는 데이터도 많아집니다. 다음 계층이 이전 계층보다 적은 데이터를 출력하면 데이터가 계층에서 계층으로 일반화됩니까?
예, 그들은 일반화되어 있습니다. 예를 들어 입력에 100개의 막대가 있는 경우 출력에 구매 또는 판매라는 두 가지 명령이 필요합니다.
작업은 신경망이 많은 데이터를 포함하는 것이 아니라 학습되는 데이터의 양에 해당하는 것입니다. 네트워크가 너무 크고 데이터가 충분하지 않으면 쉽게 학습할 수 있지만 다른 데이터로 일반화할 수 없습니다. 즉, 뉴런의 수는 가능한 한 작아야 합니다. 3층 이상은 필요 없을 것 같습니다. 첫 번째 계층에서 뉴런의 수는 초기 데이터 패턴의 크기에 해당하고 마지막 계층에서 결과 변형의 수에 해당합니다. 그리고 중간에 가능한 한 적게, 그러나 주말만큼은 아닙니다.
코드는 간단하지만 입력 데이터는 적합하지 않습니다.
Wiki 엔트로피: ".... 실제 프로세스와 이상적인 프로세스의 편차 측정값. ... 수학적으로 엔트로피는 임의의 상수까지 정의된 시스템 상태의 함수로 정의됩니다."
그리고?
Fin.BP의 이상적인 시장은 무엇입니까? - 예, 누가 알겠습니까? 이것이 첫 번째 가정인 이상적인 시장 = 사인 곡선입니다!
입력으로 우리는 적어도 3개의 고가, 저가, 종가가 있으며 누구를 사용할 것입니까? - 좋아요, 이것이 두 번째 가정인 중앙값 가격 규칙입니다!
어디에서 어디까지 측정할 것인가? - 하루의 시작? 몇 주? 만료일? 거래 세션 ? - 좋아, 하루의 시작, 이것이 세 번째 가정이 되게 하라 ....
총 3개의 질문, 3번 우리가 옳다고 가정합니까? 여기에서 작업은 조합론으로 축소됩니다. 올바른 초기 가설을 몇 번이나 제시하고 추가 연구가 시장에 대한 올바른 평가로 이어질 것인지 ... 역사에 대한)))
엔트로피는 좋게 들리지만 정보 엔트로피의 위치에서 몇 년 전에이 주제를 파헤 쳤습니다. 다음 촛불 조합 (패턴) 반복이 형성되기 시작하거나 촛불 조합 (패턴)의 가장 가까운 반복이 형성되기 시작하면 단 하나의 결론이 있습니다. 역사에서-모든 사람에게 명백한 것이 시장에서 작동하지 않기 때문에 작동하지 않을 것입니다. 따라서 패턴과 상관 관계와 동일하게 그들은 명백해집니다-그들은 나타나지 않음))))), 일반적으로 그러한 경우에 나는 나 자신에게 말합니다- 당신이 가장 똑똑한 것은 아닙니다. 세상의 절반은 모니터에서 너무 똑똑합니다)))
아니, 이 엔트로피는 VR에 있는 정보의 양을 평가합니다. 엔트로피가 낮을수록 더 많은 정보(더 뚜렷한 주기)가 나타납니다. 저것들. 측정값은 상대적이며 예를 들어 다른 주에 상대적으로 사용합니다. 그곳이 더 낮고 거래가 무례한 곳입니다. 예시
음, sc로 측정된 Hurst와의 유추입니다. 창문이전 레이어보다 레이어에 뉴런이 더 적은 경우 정보가 압축되고 "풀기" - 이전 것보다 뉴런이 더 많은 경우.
엔트로피 정보:
https://habr.com/ru/post/305794/
예, 그들은 일반화되어 있습니다. 예를 들어 입력에 100개의 막대가 있는 경우 출력에 구매 또는 판매라는 두 가지 명령이 필요합니다.
작업은 신경망이 많은 데이터를 포함하는 것이 아니라 학습되는 데이터의 양에 해당하는 것입니다. 네트워크가 너무 크고 데이터가 충분하지 않으면 쉽게 학습할 수 있지만 다른 데이터로 일반화할 수 없습니다. 즉, 뉴런의 수는 가능한 한 작아야 합니다. 3층 이상은 필요 없을 것 같습니다. 첫 번째 계층에서 뉴런의 수는 초기 데이터 패턴의 크기에 해당하고 마지막 계층에서 결과 변형의 수에 해당합니다. 그리고 중간에 가능한 한 적게, 그러나 주말만큼은 아닙니다.
.... 3겹 이상은 필요 없을듯 합니다. 첫 번째 계층에서 뉴런의 수는 초기 데이터 패턴의 크기에 해당하고 마지막 계층에서 결과 변형의 수에 해당합니다. 그리고 중간에 가능한 한 적게, 그러나 주말만큼은 아닙니다.
3개의 레이어가 필요하지 않습니다. 하나의 내부 레이어가 있는 네트워크가 모든 연속 함수를 근사화할 수 있고 두 레이어가 있는 네트워크도 불연속성이 있는 함수를 근사할 수 있다는 것이 수학적으로 증명되었습니다(저는 책 증명에서 어딘가에서 만났습니다). 따라서 이 증명에 따르면 2배 이상의 레이어에는 실질적인 의미가 없으며 재교육으로 이어집니다.
추신 저것들. 최대 2개의 내부 레이어가 필요합니다(많은 경우 하나면 충분합니다).아니, 이 엔트로피는 VR에 있는 정보의 양을 추정합니다. 엔트로피가 낮을수록 더 많은 정보가 있습니다(더 뚜렷한 주기). 저것들. 측정값은 상대적이며 예를 들어 다른 주에 상대적으로 사용합니다. 그곳이 더 낮고 거래가 무례한 곳입니다. 예시
음, sc로 측정된 Hurst와의 유추입니다. 창문Maxim, 당신 말이 맞아요, 하지만 이론적으로는
여기 그래프가 있습니다. 정보의 양에 대해 무엇을 취할 수 있습니까? 1바? - 심각하지 않습니다. 막대 그룹을 사용합니다. - 특정 기간이 있습니다. 그렇다면 RSI, 확률론, 벼룩 차트를 사용하여 현재 상태를 평가하는 것보다 우리의 접근 방식이 더 나은 방법은 무엇입니까? - 누가 뭐라고 해도 똑같다, IMHO
TS의 사용이 시장의 컨텍스트와 연결되어야 한다는 사실 - 네, 하지만 컨텍스트가 매우 약하게 형식화되어 있습니다. 현재 플랫을 컨텍스트로 사용하여 트레이드 플랫을 시도하는 사람, 누군가 추세선을 그리고 대기 고장을 위해 .... 그리고 누가 옳습니까?
Maxim, 당신 말이 맞아요, 하지만 이론적으로는
여기 그래프가 있습니다. 정보의 양에 대해 무엇을 취할 수 있습니까? 1바? - 심각하지 않습니다. 막대 그룹을 사용합니다. - 특정 기간이 있습니다. 그렇다면 RSI, 확률론, 벼룩 차트를 사용하여 현재 상태를 평가하는 것보다 우리의 접근 방식이 더 나은 방법은 무엇입니까? - 누가 뭐라고 해도 똑같아, IMHO
TS의 사용이 시장의 컨텍스트와 연결되어야 한다는 사실 - 네, 하지만 컨텍스트가 매우 약하게 형식화되어 있습니다. 현재 플랫을 컨텍스트로 사용하여 트레이드 플랫을 시도하는 사람, 누군가 추세선을 그리고 대기 고장을 위해 .... 그리고 누가 옳습니까?
아, 알겠습니다. ..sk. 창을 최적화하고, 엔트로피의 변화를 보고, 다른 창으로 모델을 훈련하고, 둘러보고 결론을 도출합니다. 과거를 보여주는 것은 분명하지만 예측 범위를 줄이고 Moshka로 이러한 간격을 끝내면 정보를 추출하십시오.
나는 그것에 대해
rsi는 주기적인 주기가 있는지 여부를 명시적으로 알려주지 않으며 엔트로피를 통해 평가할 수 있습니다. 나는 그것이 효과가 있다고 말하는 것이 아니라 데이터 마이닝에 필요하다고 말하는 것입니다.
아, 알겠습니다. .sk. 창을 최적화하고, 엔트로피의 변화를 보고, 다른 창으로 모델을 훈련하고, 둘러보고 결론을 도출합니다. 과거를 보여주는 것은 분명하지만 예측 범위를 줄이고 Moshka로 이러한 간격을 끝내면 정보를 추출하십시오.
나는 그것에 대해 같다
rsi는 주기적인 주기가 있는지 여부를 명시적으로 알려주지 않으며 엔트로피를 통해 평가할 수 있습니다. 나는 그것이 효과가 있다고 말하는 것이 아니라 데이터 마이닝에 필요하다고 말하는 것입니다.
모든 것을 물어보지는 않겠지만 이미 뭔가 읽기에 지쳤습니다... 슬라이딩 윈도우에서 NN을 훈련하는 것이 얼마나 정확합니까?
- 주기적인 정보를 찾고 있다면 - 네, 맞습니다. NN은 숨겨진 사이클을 찾고 자체적으로 가중치 계수를 조정합니다.
- NN이 인식하도록 가르친다면 NN은 학습할 것입니다.
- 시장에 주기적인 주기가 없습니다. 어딘가에 ZZ 상판의 형성 시간을 그린 ZZ가 있었습니다. ZZ의 설정과 함께, 주기적인 반복이 결코 없으며, ZZ는 5,11,7,3... .5,11,7,3....과 같은 막대로 표시됩니다. - 가능한 모든 조합이 있지만 반복은 없습니다
비주기적인 정보의 슬라이딩 윈도우에서 신경망을 훈련하면 거기에 있는 가중치 계수는 어떻게 됩니까? - 내가 기억하는 한, 단일 계층 네트워크는 히브리어로도 훈련할 수 없고 다중 계층 네트워크만 훈련할 수 있습니다. 슬라이딩 창을 이러한 용도로 사용할 수 있습니까? 나는 의심이있다
추신: 데이터 마이닝 - 예, 정보를 전달할 데이터를 필터링하면 Grail 이 있습니다.)
모든 것을 물어보지는 않겠지만 이미 뭔가 읽기에 지쳤습니다... 슬라이딩 윈도우에서 NN을 훈련하는 것이 얼마나 정확합니까?
- 주기적인 정보를 찾고 있다면 - 네, 맞습니다. NN은 숨겨진 사이클을 찾고 자체적으로 가중치 계수를 조정합니다.
- NN이 인식하도록 가르친다면 NN은 학습할 것입니다.
- 시장에 주기적인 주기가 없습니다. 어딘가에 ZZ 상판의 형성 시간을 그린 ZZ가 있었습니다. ZZ의 설정과 함께, 주기적인 반복이 결코 없으며, ZZ는 5,11,7,3... .5,11,7,3....과 같은 막대로 표시됩니다. - 가능한 모든 조합이 있지만 반복은 없습니다
비주기적인 정보의 슬라이딩 윈도우에서 신경망을 훈련하면 거기에 있는 가중치 계수는 어떻게 됩니까? - 내가 기억하는 한, 단일 계층 네트워크는 히브리어로도 훈련할 수 없고 다중 계층 네트워크만 훈련할 수 있습니다. 슬라이딩 창을 이러한 용도로 사용할 수 있습니까? 나는 의심이있다
추신: 데이터 마이닝 - 예, 정보를 전달할 데이터를 필터링할 수 있다면 Grail이 있는 것입니다.)
엄격하게 주기적일 필요는 없지만 노이즈가 없어야 합니다. 그림은 엄격하지 않고 확률적입니다. 슬라이딩 윈도우는 엔트로피 지표와 훈련을 위한 기능 수 모두를 위한 것이며 최적화할 수 있습니다.
샘플이 일치하지 않으면 아무 것도 작동하지 않으므로 많은 경우 50/50 오류가 발생합니다. 순환은 모순될 수 없으며 어떤 형태로든 존재하거나 존재하지 않습니다. 여러 사이클을 추가하면 서로 모순되지 않습니다.
순환 / 순환 아님 - 엔트로피 메트릭의 프레임워크 내 상대적인 개념