누가 설치했습니까? 50밀리초 후에 80% 정확도로 개체를 분류할 수 있습니다. 이것은 초당 20개의 개체이며 모든 배경에서입니다. 많은 포유류는 먹히는 것을 피하기 위해 더 빨리 이것을 합니다(진화). 인공 네트워크는 몇 초 만에 빈 배경에서 이 작업을 수행합니다. 두뇌의 강점은 병렬 처리에 있으며 이는 기존의 컴퓨터 기술로는 결코 달성할 수 없습니다. 아무도 거래 자동화의 이점을 부인하지 않지만 향후 20-30년 동안 네트워크는 시장에서 패턴을 찾는 거래자의 두뇌를 대체하지 못할 것입니다. 많은 뉴런이 필요합니다. 10-20개의 뉴런이 있는 네트워크가 거래자의 두뇌를 대체할 수 있다고 정말로 생각하는 사람이 있습니까? 이 상인은 얼마나 멍청한 존재인가!
Исследователь Квабена Боахен ищет пути повторения в силиконе колоссальной вычислительной мощности человеческого мозга, поскольку изучение беспорядочных, характеризующихся высокой избыточностью процессов, протекающих в голове человека, даёт реальный толчок для создания небольшого, лёгкого и супер...
나는 Kwabena를 개인적으로 안다. 또한 Manchester의 SpiNNaker 프로젝트와 최초의 ARM을 개발한 Steve Furber( http://apt.cs.man.ac.uk/projects/SpiNNaker/project/ )의 리더에 대해서도 알고 있습니다. Steve는 하나의 칩에 18개의 ARM 프로세서와 48개의 칩, 즉 864개의 병렬 프로세서를 장착할 수 있었습니다. 각 프로세서는 500개의 뉴런을 계산합니다. 432,000개의 뉴런. 지금까지 이 네트워크는 유용하지 않습니다. 나는 또한 새로운 유형의 프로세서를 개발하는 다른 그룹에 대해서도 잘 알고 있습니다. 지금까지 현실은 20~30년을 기다려야 한다는 내 예측과는 거리가 멀다.
What are the Goals of the SpiNNaker Project? SpiNNaker is a novel massively-parallel computer architecture, inspired by the fundamental structure and function of the human brain, which itself is composed of billions of simple computing elements, communicating using unreliable spikes. The project's objectives are two-fold: To provide a...
나는 개인적으로 콰베나를 안다. 또한 Manchester의 SpiNNaker 프로젝트와 최초의 ARM을 개발한 Steve Furber( http://apt.cs.man.ac.uk/projects/SpiNNaker/project/ )의 리더에 대해서도 알고 있습니다. Steve는 하나의 칩에 18개의 ARM 프로세서와 48개의 칩, 즉 864개의 병렬 프로세서를 장착할 수 있었습니다. 각 프로세서는 500개의 뉴런을 계산합니다. 432,000개의 뉴런. 지금까지 이 네트워크는 아무 쓸모가 없습니다. 나는 또한 새로운 유형의 프로세서를 개발하는 다른 그룹에 대해서도 잘 알고 있습니다. 지금까지 현실은 20~30년을 기다려야 한다는 내 예측과는 거리가 멀다.
"자연을 베낄 필요가 없다..." 라는 부분에서 주님의 말씀에 동의합니다.
나는 또한 인간의 두뇌가 매우 효율적으로 작동한다는 데 동의하지만...
"2 + 2"를 추가하기 위해 사람은 이미지 "2"를 인식한 다음 이미지 "+"를 인식하고 다시 "2"를 인식하고 "수학" 섹션에서 연관성을 찾아야 합니다.
대답에 대한 예의 대응을 상기하십시오.
그러한 방법(사람이 자연계를 초월할 수 있게 해주는)이 보편적이기는 하지만 컴퓨터에 비하면 비효율적이라고 생각하지 않습니까?
사실 어떤 이유에서인지 누구나 자연을 반복하는 길을 따르지만, 자연에는 수학이 존재한 적이 없고, 자연이 시험한 방법은 이 교리에서 효과적이지 않기 때문에 뛰어난 수학자가 되기 위해서는 세상을 거의 포기하고 수학에 전적으로 자신을 바칩니다. 그러나 동시에 MathCad를 사용하는 어리석은 철 조각은 가장 뛰어난 수학자보다 훨씬 더 효율적으로 모든 것을 해결합니다.
"2 + 2"를 추가하기 위해 사람은 이미지 "2"를 인식한 다음 이미지 "+"를 인식하고 다시 "2"를 인식하고 "수학" 섹션에서 연관성을 찾아야 합니다.
대답에 대한 예의 대응을 상기하십시오.
그러한 방법(사람이 자연계를 초월할 수 있게 해주는)이 보편적이기는 하지만 컴퓨터에 비하면 비효율적이라고 생각하지 않습니까?
사실 어떤 이유에서인지 누구나 자연을 반복하는 길을 따르지만, 자연에는 수학이 존재한 적이 없고, 자연이 시험한 방법은 이 교리에서 효과적이지 않기 때문에 뛰어난 수학자가 되기 위해서는 세상을 거의 포기하고 수학에 전적으로 자신을 바칩니다. 그러나 동시에 MathCad를 사용하는 어리석은 철 조각은 가장 뛰어난 수학자보다 훨씬 더 효율적으로 모든 것을 해결합니다.
더 강한 이빨과 더 날카로운 후각을 가진 개처럼 위협 IMHO "인간 비서 컴퓨터".
당신을 이해하지 못했습니다. 토론은 인공 신경망에 관한 것입니다. 내 관점은 현대의 인공 네트워크는 시장에서 패턴을 찾기 위해 상인의 두뇌를 대체하는 것을 허용하지 않는다는 것입니다. 그들의 운명은 퇴행이지만, 즉. 입력의 비선형 함수로서의 출력 모델링(구매/판매). 네트워크 가중치는 훈련되지 않은 데이터에 대한 수익성을 보장하지 않는 과거 예제의 오류를 최소화하여 최적화됩니다. 다른 비선형 모델과 마찬가지로 네트워크의 뉴런 수가 증가하면 훈련 예제의 오류를 0으로 줄일 수 있지만 이는 향후 네트워크의 수익성에는 도움이 되지 않지만 피해만 줄 뿐입니다. (재교육). 모두가 이미 그것에 대해 알고 있습니다. 네트워크가 최소한의 기회를 갖기 위해서는 출력에 자연스러운 영향을 미치는 입력을 선택해야 합니다. 이러한 입력 선택은 과거 데이터를 조사하고 패턴을 찾는 방식으로 이루어집니다. 네트워크 자체는 비선형 입출력 모델링을 위한 도구가 되며 패턴을 검색하지 않습니다. 네트워크가 패턴을 찾기 위해서는 우리 뇌의 원리에 따라 생성해야 합니다. 일반 네트워크에서 뉴런 수의 바보 같은 증가는 아무 소용이 없습니다. 그렇지 않으면 코끼리는 우리만큼 똑똑할 것입니다(동일한 수의 뉴런).
나는 여기서 컴퓨터의 역할을 결코 얕잡아 본 적이 없지만 사람이 없으면 그들은 철로 남을 것입니다. 미래에는 새로운 유형의 네트워크가 데이터에서 패턴을 찾는 방법을 배울 가능성이 있습니다. 그러나 이 분야의 연구 현황을 알기에 우리는 기다려야 합니다. 그건 그렇고, 공상 과학 책이나 영화에서 로봇이 미래를 예측한다고 생각한 사람은 없었습니까? 우리에게는 이미 과거이지만 결코 등장하지 않았습니까? 인류는 달로 날아가는 법을 배웠고 빠른 컴퓨터와 인터넷이 등장했지만 로봇은 그렇지 않습니다!
나는 개인적으로 콰베나를 안다. 또한 Manchester의 SpiNNaker 프로젝트와 최초의 ARM을 개발한 Steve Furber( http://apt.cs.man.ac.uk/projects/SpiNNaker/project/ )의 리더에 대해서도 알고 있습니다. Steve는 하나의 칩에 18개의 ARM 프로세서와 48개의 칩, 즉 864개의 병렬 프로세서를 장착할 수 있었습니다. 각 프로세서는 500개의 뉴런을 계산합니다. 432,000개의 뉴런. 지금까지 이 네트워크는 유용하지 않습니다. 나는 또한 새로운 유형의 프로세서를 개발하는 다른 그룹에 대해서도 잘 알고 있습니다. 지금까지 현실은 20~30년을 기다려야 한다는 내 예측과는 거리가 멀다.
그런 연구원들을 개인적으로 알고 계시다니 대단합니다. 혹시 헨리 마크람을 아시나요? 2009년 그의 예측은 10년이었습니다. :) 그가 지금 어떤 단계에 있는지 궁금합니다.
Тайны устройства разума могут быть решены, и довольно скоро, говорит Генри Маркрам. Поскольку умственные заболевания, память и восприятие составлены из нейронов и электрических сигналов, он планирует обнаружить всё это с помощью суперкомпьютера, который смоделирует все 100...
당신을 이해하지 못했습니다. 토론은 인공 신경망에 관한 것입니다. 내 관점은 현대의 인공 네트워크는 시장에서 패턴을 찾는 상인의 두뇌를 대체하는 것을 허용하지 않는다는 것입니다. 그들의 운명은 퇴행이지만, 즉. 입력의 비선형 함수로서의 출력 시뮬레이션(구매/판매). 네트워크 가중치는 훈련되지 않은 데이터에 대한 수익성을 보장하지 않는 과거 예제의 오류를 최소화하여 최적화됩니다. 다른 비선형 모델과 마찬가지로 네트워크의 뉴런 수가 증가하면 훈련 예제의 오류를 0으로 줄일 수 있지만 이는 향후 네트워크의 수익성에는 도움이 되지 않지만 피해만 줄 뿐입니다. (재교육). 모두가 이미 그것에 대해 알고 있습니다. 네트워크에 최소한의 기회가 있으려면 출력에 자연스러운 영향을 주는 입력을 선택해야 합니다. 이러한 입력 선택은 과거 데이터를 조사하고 패턴을 찾는 방식으로 이루어집니다. 네트워크 자체는 비선형 입출력 모델링을 위한 도구가 되며 패턴을 검색하지 않습니다. 네트워크가 패턴을 찾기 위해서는 우리 뇌의 원리에 따라 생성해야 합니다. 일반 네트워크에서 뉴런 수의 바보 같은 증가는 아무 소용이 없습니다. 그렇지 않으면 코끼리는 우리만큼 똑똑할 것입니다(동일한 수의 뉴런).
나는 여기서 컴퓨터의 역할을 결코 얕잡아 본 적이 없지만 사람이 없으면 그들은 철로 남을 것입니다. 미래에는 새로운 유형의 네트워크가 데이터에서 패턴을 찾는 방법을 배울 가능성이 있습니다. 그러나 이 분야의 연구 현황을 알기에 우리는 기다려야 합니다. 그건 그렇고, 공상 과학 책이나 영화에서 로봇이 미래를 예측한다고 생각한 사람은 없었습니까? 우리에게는 이미 과거이지만 결코 등장하지 않았습니까? 인류는 달로 날아가는 법을 배웠고 빠른 컴퓨터와 인터넷이 등장했지만 로봇은 그렇지 않습니다!
나는 단순히 자연을 베끼는 패러다임 그 자체인 NN의 연구 방향에 의문을 제기했을 뿐이다.
인간 두뇌의 이미지와 유사성을 기반으로 구축된 네트워크가 창조주를 능가할 수 있을지 큰 의심이 듭니다.
NN에 대한 연구는 디지털 데이터를 직접 인식하는 방향으로 나아가야 한다고 생각하지만, 이제는 NN에 대한 숫자는 이미지일 뿐입니다.
Urain : 카메라가 눈을 복사하고 있으므로 예제는 포함되지 않습니다. 그러나 일반적으로 내 게시물의 본질을 올바르게 이해했습니다.
나는 카메라가 눈을 복사한다는 데 동의하지만 작업의 결과는 작가의 결과와 동일합니다-종이에 이미지, 사진을 만드는 기술 과정을 그리지 않은 유일한 것
음, 우리는 NN이 거래에서 항상 성공적으로 작동하지 않는 이유를 알아냈습니다. NN에 관한 것이 아니라 NN이 훈련을 위해 놓친 시장 정보의 매우 수학적 모델에서 - 누가 마지막 2, 3, ... 100개 막대를 닫습니다. , 기술 지표의 판독 값은 누구입니까, 한마디로 "누가 무엇을 할 의향이 있습니까?", 당신은 어떤 시장 정보가 거래에 정말로 중요한지 파악해야 합니다 - 패턴? 마지막 몇 바? 볼륨? 하루 중 시간? .... 그리고 멋진 것은 불필요한 정보를 걸러내고 시장의 수학적 모델을 만들어 NS 없이 효과적인 TS를 구축할 수 있다는 것입니다.
누가 설치했습니까? 50밀리초 후에 80% 정확도로 개체를 분류할 수 있습니다. 이것은 초당 20개의 개체이며 모든 배경에서입니다. 많은 포유류는 먹히는 것을 피하기 위해 더 빨리 이것을 합니다(진화). 인공 네트워크는 몇 초 만에 빈 배경에서 이 작업을 수행합니다. 두뇌의 강점은 병렬 처리에 있으며 이는 기존의 컴퓨터 기술로는 결코 달성할 수 없습니다. 아무도 거래 자동화의 이점을 부인하지 않지만 향후 20-30년 동안 네트워크는 시장에서 패턴을 찾는 거래자의 두뇌를 대체하지 못할 것입니다. 많은 뉴런이 필요합니다. 10-20개의 뉴런이 있는 네트워크가 거래자의 두뇌를 대체할 수 있다고 정말로 생각하는 사람이 있습니까? 이 상인은 얼마나 멍청한 존재인가!
따라서 특이한 컴퓨터 기술을 작업하는 사람들이 있습니다. ))
Kwabena Boachen이 말하는 두뇌처럼 작동하는 컴퓨터
따라서 특이한 컴퓨터 기술을 작업하는 사람들이 있습니다. ))
Kwabena Boachen이 말하는 두뇌처럼 작동하는 컴퓨터
나는 Kwabena를 개인적으로 안다. 또한 Manchester의 SpiNNaker 프로젝트와 최초의 ARM을 개발한 Steve Furber( http://apt.cs.man.ac.uk/projects/SpiNNaker/project/ )의 리더에 대해서도 알고 있습니다. Steve는 하나의 칩에 18개의 ARM 프로세서와 48개의 칩, 즉 864개의 병렬 프로세서를 장착할 수 있었습니다. 각 프로세서는 500개의 뉴런을 계산합니다. 432,000개의 뉴런. 지금까지 이 네트워크는 유용하지 않습니다. 나는 또한 새로운 유형의 프로세서를 개발하는 다른 그룹에 대해서도 잘 알고 있습니다. 지금까지 현실은 20~30년을 기다려야 한다는 내 예측과는 거리가 멀다.
나는 개인적으로 콰베나를 안다. 또한 Manchester의 SpiNNaker 프로젝트와 최초의 ARM을 개발한 Steve Furber( http://apt.cs.man.ac.uk/projects/SpiNNaker/project/ )의 리더에 대해서도 알고 있습니다. Steve는 하나의 칩에 18개의 ARM 프로세서와 48개의 칩, 즉 864개의 병렬 프로세서를 장착할 수 있었습니다. 각 프로세서는 500개의 뉴런을 계산합니다. 432,000개의 뉴런. 지금까지 이 네트워크는 아무 쓸모가 없습니다. 나는 또한 새로운 유형의 프로세서를 개발하는 다른 그룹에 대해서도 잘 알고 있습니다. 지금까지 현실은 20~30년을 기다려야 한다는 내 예측과는 거리가 멀다.
"자연을 베낄 필요가 없다..." 라는 부분에서 주님의 말씀에 동의합니다.
나는 또한 인간의 두뇌가 매우 효율적으로 작동한다는 데 동의하지만...
"2 + 2"를 추가하기 위해 사람은 이미지 "2"를 인식한 다음 이미지 "+"를 인식하고 다시 "2"를 인식하고 "수학" 섹션에서 연관성을 찾아야 합니다.
대답에 대한 예의 대응을 상기하십시오.
그러한 방법(사람이 자연계를 초월할 수 있게 해주는)이 보편적이기는 하지만 컴퓨터에 비하면 비효율적이라고 생각하지 않습니까?
사실 어떤 이유에서인지 누구나 자연을 반복하는 길을 따르지만, 자연에는 수학이 존재한 적이 없고, 자연이 시험한 방법은 이 교리에서 효과적이지 않기 때문에 뛰어난 수학자가 되기 위해서는 세상을 거의 포기하고 수학에 전적으로 자신을 바칩니다. 그러나 동시에 MathCad를 사용하는 어리석은 철 조각은 가장 뛰어난 수학자보다 훨씬 더 효율적으로 모든 것을 해결합니다.
더 강한 이빨과 더 날카로운 후각을 가진 개처럼 위협 IMHO "인간 비서 컴퓨터".
"자연을 베낄 필요가 없다..." 라는 부분에서 주님의 말씀에 동의합니다.
나는 또한 인간의 두뇌가 매우 효율적으로 작동한다는 데 동의하지만...
"2 + 2"를 추가하기 위해 사람은 이미지 "2"를 인식한 다음 이미지 "+"를 인식하고 다시 "2"를 인식하고 "수학" 섹션에서 연관성을 찾아야 합니다.
대답에 대한 예의 대응을 상기하십시오.
그러한 방법(사람이 자연계를 초월할 수 있게 해주는)이 보편적이기는 하지만 컴퓨터에 비하면 비효율적이라고 생각하지 않습니까?
사실 어떤 이유에서인지 누구나 자연을 반복하는 길을 따르지만, 자연에는 수학이 존재한 적이 없고, 자연이 시험한 방법은 이 교리에서 효과적이지 않기 때문에 뛰어난 수학자가 되기 위해서는 세상을 거의 포기하고 수학에 전적으로 자신을 바칩니다. 그러나 동시에 MathCad를 사용하는 어리석은 철 조각은 가장 뛰어난 수학자보다 훨씬 더 효율적으로 모든 것을 해결합니다.
더 강한 이빨과 더 날카로운 후각을 가진 개처럼 위협 IMHO "인간 비서 컴퓨터".
당신을 이해하지 못했습니다. 토론은 인공 신경망에 관한 것입니다. 내 관점은 현대의 인공 네트워크는 시장에서 패턴을 찾기 위해 상인의 두뇌를 대체하는 것을 허용하지 않는다는 것입니다. 그들의 운명은 퇴행이지만, 즉. 입력의 비선형 함수로서의 출력 모델링(구매/판매). 네트워크 가중치는 훈련되지 않은 데이터에 대한 수익성을 보장하지 않는 과거 예제의 오류를 최소화하여 최적화됩니다. 다른 비선형 모델과 마찬가지로 네트워크의 뉴런 수가 증가하면 훈련 예제의 오류를 0으로 줄일 수 있지만 이는 향후 네트워크의 수익성에는 도움이 되지 않지만 피해만 줄 뿐입니다. (재교육). 모두가 이미 그것에 대해 알고 있습니다. 네트워크가 최소한의 기회를 갖기 위해서는 출력에 자연스러운 영향을 미치는 입력을 선택해야 합니다. 이러한 입력 선택은 과거 데이터를 조사하고 패턴을 찾는 방식으로 이루어집니다. 네트워크 자체는 비선형 입출력 모델링을 위한 도구가 되며 패턴을 검색하지 않습니다. 네트워크가 패턴을 찾기 위해서는 우리 뇌의 원리에 따라 생성해야 합니다. 일반 네트워크에서 뉴런 수의 바보 같은 증가는 아무 소용이 없습니다. 그렇지 않으면 코끼리는 우리만큼 똑똑할 것입니다(동일한 수의 뉴런).
나는 여기서 컴퓨터의 역할을 결코 얕잡아 본 적이 없지만 사람이 없으면 그들은 철로 남을 것입니다. 미래에는 새로운 유형의 네트워크가 데이터에서 패턴을 찾는 방법을 배울 가능성이 있습니다. 그러나 이 분야의 연구 현황을 알기에 우리는 기다려야 합니다. 그건 그렇고, 공상 과학 책이나 영화에서 로봇이 미래를 예측한다고 생각한 사람은 없었습니까? 우리에게는 이미 과거이지만 결코 등장하지 않았습니까? 인류는 달로 날아가는 법을 배웠고 빠른 컴퓨터와 인터넷이 등장했지만 로봇은 그렇지 않습니다!
나는 개인적으로 콰베나를 안다. 또한 Manchester의 SpiNNaker 프로젝트와 최초의 ARM을 개발한 Steve Furber( http://apt.cs.man.ac.uk/projects/SpiNNaker/project/ )의 리더에 대해서도 알고 있습니다. Steve는 하나의 칩에 18개의 ARM 프로세서와 48개의 칩, 즉 864개의 병렬 프로세서를 장착할 수 있었습니다. 각 프로세서는 500개의 뉴런을 계산합니다. 432,000개의 뉴런. 지금까지 이 네트워크는 유용하지 않습니다. 나는 또한 새로운 유형의 프로세서를 개발하는 다른 그룹에 대해서도 잘 알고 있습니다. 지금까지 현실은 20~30년을 기다려야 한다는 내 예측과는 거리가 멀다.
그런 연구원들을 개인적으로 알고 계시다니 대단합니다. 혹시 헨리 마크람을 아시나요? 2009년 그의 예측은 10년이었습니다. :) 그가 지금 어떤 단계에 있는지 궁금합니다.
Henry Markram은 슈퍼컴퓨터로 두뇌를 만듭니다.
당신을 이해하지 못했습니다. 토론은 인공 신경망에 관한 것입니다. 내 관점은 현대의 인공 네트워크는 시장에서 패턴을 찾는 상인의 두뇌를 대체하는 것을 허용하지 않는다는 것입니다. 그들의 운명은 퇴행이지만, 즉. 입력의 비선형 함수로서의 출력 시뮬레이션(구매/판매). 네트워크 가중치는 훈련되지 않은 데이터에 대한 수익성을 보장하지 않는 과거 예제의 오류를 최소화하여 최적화됩니다. 다른 비선형 모델과 마찬가지로 네트워크의 뉴런 수가 증가하면 훈련 예제의 오류를 0으로 줄일 수 있지만 이는 향후 네트워크의 수익성에는 도움이 되지 않지만 피해만 줄 뿐입니다. (재교육). 모두가 이미 그것에 대해 알고 있습니다. 네트워크에 최소한의 기회가 있으려면 출력에 자연스러운 영향을 주는 입력을 선택해야 합니다. 이러한 입력 선택은 과거 데이터를 조사하고 패턴을 찾는 방식으로 이루어집니다. 네트워크 자체는 비선형 입출력 모델링을 위한 도구가 되며 패턴을 검색하지 않습니다. 네트워크가 패턴을 찾기 위해서는 우리 뇌의 원리에 따라 생성해야 합니다. 일반 네트워크에서 뉴런 수의 바보 같은 증가는 아무 소용이 없습니다. 그렇지 않으면 코끼리는 우리만큼 똑똑할 것입니다(동일한 수의 뉴런).
나는 여기서 컴퓨터의 역할을 결코 얕잡아 본 적이 없지만 사람이 없으면 그들은 철로 남을 것입니다. 미래에는 새로운 유형의 네트워크가 데이터에서 패턴을 찾는 방법을 배울 가능성이 있습니다. 그러나 이 분야의 연구 현황을 알기에 우리는 기다려야 합니다. 그건 그렇고, 공상 과학 책이나 영화에서 로봇이 미래를 예측한다고 생각한 사람은 없었습니까? 우리에게는 이미 과거이지만 결코 등장하지 않았습니까? 인류는 달로 날아가는 법을 배웠고 빠른 컴퓨터와 인터넷이 등장했지만 로봇은 그렇지 않습니다!
나는 단순히 자연을 베끼는 패러다임 그 자체인 NN의 연구 방향에 의문을 제기했을 뿐이다.
인간 두뇌의 이미지와 유사성을 기반으로 구축된 네트워크가 창조주를 능가할 수 있을지 큰 의심이 듭니다.
NN에 대한 연구는 디지털 데이터를 직접 인식하는 방향으로 나아가야 한다고 생각하지만, 이제는 NN에 대한 숫자는 이미지일 뿐입니다.
기술적 수단은 바퀴나 비행기와 같이 자연을 모방한 적이 없지만 할당된 작업을 훌륭하게 수행하므로 NN은 수학적 모델과 함께 작동해야 하며 거래자의 분석/의사 결정을 모방해서는 안 됩니다.
추신: 작가의 작업 과정을 반복하는 카메라의 모습을 상상했습니다)))))
기술적 수단은 바퀴나 비행기와 같이 자연을 모방한 적이 없지만 할당된 작업을 훌륭하게 수행하므로 NN은 수학적 모델과 함께 작동해야 하며 거래자의 분석/의사 결정을 모방해서는 안 됩니다.
추신: 작가의 작업 과정을 반복하는 카메라의 모습을 상상했습니다)))))
카메라는 눈을 복사하므로 예제는 계산되지 않습니다. 그러나 일반적으로 내 게시물의 본질을 올바르게 이해했습니다.
나는 카메라가 눈을 복사한다는 데 동의하지만 작업의 결과는 작가의 결과와 동일합니다-종이에 이미지, 사진을 만드는 기술 과정을 그리지 않은 유일한 것
음, 우리는 NN이 거래에서 항상 성공적으로 작동하지 않는 이유를 알아냈습니다. NN에 관한 것이 아니라 NN이 훈련을 위해 놓친 시장 정보의 매우 수학적 모델에서 - 누가 마지막 2, 3, ... 100개 막대를 닫습니다. , 기술 지표의 판독 값은 누구입니까, 한마디로 "누가 무엇을 할 의향이 있습니까?", 당신은 어떤 시장 정보가 거래에 정말로 중요한지 파악해야 합니다 - 패턴? 마지막 몇 바? 볼륨? 하루 중 시간? .... 그리고 멋진 것은 불필요한 정보를 걸러내고 시장의 수학적 모델을 만들어 NS 없이 효과적인 TS를 구축할 수 있다는 것입니다.