Vinin , 당신은 한때 NS에 참여했으며 챔피언십에서 Expert Advisor가 NS의 구현이라고 썼습니다. 저것들. 저에 비하면 당신은 전문가입니다. 이 거대한 주제를 이해하기 위해 무엇을 읽어야 하는지 조언해 주십시오. 목표는 네트워크의 운영 및 구성의 원리를 이해하는 것뿐만 아니라 MQL을 사용하여 네트워크 자체를 작성할 수 있을 정도로 충분히 이해하는 것(이는 내가 알아낼 때 계획할 예정입니다) 및 교육과 관련된 전체 인프라를 이해하는 것입니다.
Yurixx : Vinin , 당신은 한때 NS에 참여했으며 챔피언십에서 Expert Advisor가 NS의 구현이라고 썼습니다. 저것들. 저에 비하면 당신은 전문가입니다. 이 거대한 주제를 이해하기 위해 무엇을 읽어야 하는지 조언해 주십시오. 목표는 네트워크의 운영 및 구성의 원리를 이해하는 것뿐만 아니라 MQL을 사용하여 네트워크 자체를 작성할 수 있을 정도로 충분히 이해하는 것(이는 내가 알아낼 때 계획할 예정입니다) 및 교육과 관련된 전체 인프라를 이해하는 것입니다.
Vinin : PraVedNik. 아니면 한 뉴런에서 정상적인 뉴런으로 이동할 때일 수도 있습니다. 약간 다르며 일반적으로 모든 것이 다릅니다.
다층으로 전환 하는 실질적인 이유가 있습니까? ... 사실 모든 것이 그래픽 의미가 있습니다.
퍼셉트론은 2개의 클래스를 구분하는 선입니다. 녹색 공은 "가격이 올라갈 가능성이 있습니다. red- "가격 ...- 다운" . 네, 그게 문제입니다. 이 로샤리키 공이 있는 치질 부위가 있습니다. 교대로 위치하고 있습니다. 일부 똑똑한 사람들 / 포함 - 이 포럼에서 / 책을 읽은 후 Shumsky 등은 다음과 같이 제안합니다. 동일한 비용을 더 많이 지출하려면 다층으로 전환해야 합니다. 구분선... 그럴 수도 있지만 아닐 수도 있습니다. DiRoLnoDoLgo EA 에 필터를 넣습니다. 높음[1]<높음[2] && 낮음[1]<낮음[2] && iOsMA... 및 높음[1]>높음[2] && 낮음[1]>낮음[2]&& iOsMA... , 그리고 그는 이 치질의 약 2/3를 제거할 것입니다. 그리고 - L E G K O! , 그림 참조:
그런 다음 구분선을 그리는 것이 더 쉽습니다. 이것은 정확히 의미합니다. 그리고 DiRoLnoDoLgo의 이념 은 바로 이것입니다. 글쎄, 적어도 부분적으로 이것을 제거하십시오. 치질 - 결국, 전방 분석의 결과는 /지난 5개월 동안 / - 상당히 N E 나쁨: 총 이익 = +16 숫자 , 기대 = + 2 숫자 /거의/, 수익성 = 30.
다층으로 전환 하는 실질적인 이유가 있습니까? ... 사실 모든 것이 그래픽 의미가 있습니다. ...
분류 성능을 향상시키기 위해 다층 그리드를 사용해야 할 필요성을 의심하는 사람이 있을 거라고는 생각하지 못했습니다. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 문자 인식. 일반적으로 단일 레이어 메쉬는 8.4%로 최악의 결과를 보였습니다. 하지만! 다층 중 하나(2층, 300개의 은닉층 뉴런 포함)는 1.6% 오류로 매우 좋은 결과를 보였습니다. 저것들. 하나의 레이어라도 추가하면 그리드가 훨씬 더 "강력해집니다".
나는 훈련 샘플의 크기를 줄이는 것이 좋은 선택이라고 생각하지 않습니다. 더 큰 클래스 분리성을 달성하는 것이 훨씬 좋습니다. 저것들. 충돌이 없는 방식으로 입력 데이터를 변환합니다(예: 따옴표 표시 시간 간격 늘리기). 나는 fxclub의 책 "거래 - 재정적 자유로 가는 길"에서 한 쌍의 인용문뿐만 아니라 여러 쌍을 그리드에 제출할 것을 권장했다는 것을 기억합니다.
예, 단일 레이어 메시를 사용할 때 또 다른 단점이 있습니다. 이 메시를 만들고 훈련하려는 사람은 BackProp이 무엇인지 등을 배울 필요조차 없습니다. 저것들. 고대 아키텍처의 그리드를 사용하면 가까운 미래에 새로운 아키텍처의 효과적인 그리드가 생성될 확률이 감소하는데, 이는 네트워크 텔레레틱스가 어떻게든 도움이 되어야 하기 때문에 매우, 매우 나쁩니다. =)
일반적으로 오랫동안 금융 시장에서 신경망 을 사용해 온 사람으로서 한 가지만 말할 수 있습니다. 주요 내용은 거기에 설명되어 있지 않습니다. 물론, 저는 신경망을 프로그래밍하지 않습니다. 저는 개별적이고 매우 "미묘한" 주제인 그들의 APPLICATION에만 독점적으로 참여하고 있습니다. 많은 것이 그녀에게 달려 있습니다. 그리고이 기사에서 설명하지 않은 것은 바로이 응용 프로그램이며 이것은 "금융 시장에서 신경망 사용"의 주요 주제 중 하나입니다. 이것에 많이 의존.......
일반적으로 오랫동안 금융 시장에서 신경망 을 사용해 온 사람으로서 한 가지만 말할 수 있습니다. 주요 내용은 거기에 설명되어 있지 않습니다. 물론, 저는 신경망을 프로그래밍하지 않습니다. 저는 개별적이고 매우 "미묘한" 주제인 그들의 APPLICATION에만 독점적으로 참여하고 있습니다. 많은 것이 그녀에게 달려 있습니다. 그리고이 기사에서 설명하지 않은 것은 바로이 응용 프로그램이며 이것은 "금융 시장에서 신경망 사용"의 주요 주제 중 하나입니다. 이것에 많이 의존.......
하지만 이건 제 개인적인 생각입니다...
응.
비 네트워크에 약간 관여하는 사람 (만 12 세)으로서 오랫동안 비 네트워크에 관여 한 사람에게 모든 작업에서 신경망을 사용하는 것은 자신의 작업과 불가분의 관계라고 말할 수 있습니다. 디자인(프로그래밍). 가장 중요한 것은 두 가지 가정입니다. 초기 데이터(이것은 별도의 노래입니다)와 가장 중요한 것은 학습 알고리즘입니다. 네트워크는 모든 것을 할 수 있습니다. 가장 중요한 것은 네트워크를 올바르게 훈련시키는 것입니다.
다층으로 전환 하는 실질적인 이유가 있습니까? ... 사실 모든 것이 그래픽 의미가 있습니다. ...
분류 성능을 향상시키기 위해 다층 그리드를 사용해야 할 필요성을 의심하는 사람이 있을 거라고는 생각하지 못했습니다. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 문자 인식. 일반적으로 단일 레이어 메쉬는 8.4%로 최악의 결과를 보였습니다. 하지만! 다층 중 하나(2층, 300개의 은닉층 뉴런 포함)는 1.6% 오류로 매우 좋은 결과를 보였습니다. 저것들. 하나의 레이어라도 추가하면 그리드가 훨씬 더 "강력해집니다".
즉, 이것은 완전히 다른 주제 영역이므로 다른 접근 방식입니다. 표준 글꼴의 문자 윤곽은 변경되지 않으므로 뉴런이 책의 나머지 페이지에 있는 문자를 높은 정확도로 인식할 수 있도록 예를 들어 몇 페이지에서 한 가지 예에서 네트워크를 한 번 훈련시키는 것이 합리적입니다. .
금융 시장과 관련하여 이것은 모든 것이 끊임없이 변화하고 지속적인 역학 관계에 있는 또 다른 영역입니다. 따라서 복잡한 다층은 여기에서 치아를 끊습니다. 문자 인식 분야에서 과장된 비유는 책의 한 페이지에서 문자 "A"가 "A"로 해석되어야 하고 다른 페이지에서는 동일한 "A"가 이미 "B"로 해석되어야 한다는 것입니다.
이러한 이유로 금융 상품의 과거 데이터의 다른 부분에서 인식된 동일한 패턴은 완전히 다른 방식으로 거래 신호로 해석될 수 있습니다. 일부 섹션에서는 해당 식별이 롱 포지션을 개시하고 숏 포지션을 청산하는 데 더 적합합니다. 동시에 다른 섹션에서와 마찬가지로 반대가 사실입니다: 숏 포지션을 열고 롱 포지션을 청산합니다.
다층으로 갈아타야 하는 실질적인 이유가 있나요?...사실 모든게 그래픽이 있어서 의미: ...
누구도 의심할 것이라고는 생각하지 못했을 것입니다 개선하기 위해 다층 그리드를 사용해야 한다는 점에서 분류 특성. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 인식 문자. 일반적으로 어떤 방식으로든 단일 레이어 메쉬는 최악의 결과 - 8.4%. 하지만! 다층(2층, 은닉층에 300개의 뉴런이 있음)이 매우 좋은 결과를 보였습니다. - 1.6% 오류. 저것들. 하나의 레이어만 추가해도 그리드는 훨씬 더 강력합니다.
즉, 이것은 완전히 다른 주제 영역이므로 다른 접근. 표준 글꼴의 문자 윤곽선은 변경되지 않으며, 따라서 한 가지 예를 사용하여 네트워크를 훈련시키는 것이 합리적입니다. 예를 들어 몇 페이지에서 뉴런이 높은 정확도로 책의 나머지 페이지에 있는 문자를 인식했습니다.
그리고 네트워크(문자 인식용)는 각각의 특정 글꼴에 대해 작성됩니다. 아니면 모든 기계가 같은 방식으로 인쇄합니까? 또는 종이가 똑같이 흰색이고 고품질입니다. 아니요, 이것은 또한 변경 가능한 작업입니다. 모든 것이 작성 방식이고 신경망이 필요하지 않은 경우 간단한 비교로 충분합니다.
다층으로 갈아타야 하는 실질적인 이유가 있나요?...사실 모든게 그래픽이 있어서 의미: ...
누구도 의심할 것이라고는 생각하지 못했을 것입니다 개선하기 위해 다층 그리드를 사용해야 한다는 점에서 분류 특성. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 인식 문자. 일반적으로 어떤 방식으로든 단일 레이어 메쉬는 최악의 결과 - 8.4%. 하지만! 다층(2층, 은닉층에 300개의 뉴런이 있음)이 매우 좋은 결과를 보였습니다. - 1.6% 오류. 저것들. 하나의 레이어만 추가해도 그리드는 훨씬 더 강력합니다.
즉, 이것은 완전히 다른 주제 영역이므로 다른 접근. 표준 글꼴의 문자 윤곽선은 변경되지 않으며, 따라서 한 가지 예를 사용하여 네트워크를 훈련시키는 것이 합리적입니다. 예를 들어 몇 페이지에서 뉴런이 높은 정확도로 책의 나머지 페이지에 있는 문자를 인식했습니다.
그리고 네트워크(문자 인식용)는 각각의 특정 글꼴에 대해 작성됩니다. 아니면 모든 기계가 같은 방식으로 인쇄합니까? 또는 종이가 똑같이 흰색이고 고품질입니다. 아니요, 이것은 또한 변경 가능한 작업입니다. 모든 것이 작성 방식이고 신경망이 필요하지 않은 경우 간단한 비교로 충분합니다.
1. 쓰지는 않았지만 가르쳤다. 2. 같은 판의 책은 모든 기계가 같은 방식으로 인쇄한다. 다르면 결혼입니다. 3. 같은 판의 경우 종이의 형식은 같습니다(예: "형식 70x100 1/16. 오프셋 인쇄. 일반 인쇄 용지 37.4"). 종이도 표준을 충족해야 합니다. 글쎄, 글꼴 세트는 독자의 시력을 망치지 않도록 매우 다양하지 않습니다.
뭐, 일반적으로 표준이 있는 영역(예: 인쇄)과 표준이 없는 영역(예: 금융 시장)의 패턴 인식 작업은 완전히 다르며 의사결정 오류의 확률도 각각 다릅니다.
훨씬 더 간단하게 설명할 수 있습니다. 금융 시장의 패턴 인식 알고리즘이 인쇄된 텍스트의 패턴 인식 알고리즘과 동일한 빈도로 잘못된 경우 ...(모든 것이 명확할 것이기 때문에 더 이상 계속할 필요가 없습니다).
Vinin , 당신은 한때 NS에 참여했으며 챔피언십에서 Expert Advisor가 NS의 구현이라고 썼습니다. 저것들. 저에 비하면 당신은 전문가입니다. 이 거대한 주제를 이해하기 위해 무엇을 읽어야 하는지 조언해 주십시오. 목표는 네트워크의 운영 및 구성의 원리를 이해하는 것뿐만 아니라 MQL을 사용하여 네트워크 자체를 작성할 수 있을 정도로 충분히 이해하는 것(이는 내가 알아낼 때 계획할 예정입니다) 및 교육과 관련된 전체 인프라를 이해하는 것입니다.
나는 나 자신을 전문가라고 생각하지 않지만 필요한 경우 항상 그리드를 만들 수 있습니다.
PraVedNik. 아니면 한 뉴런에서 정상적인 뉴런으로 이동할 때일 수도 있습니다. 약간 다르며 일반적으로 모든 것이 다릅니다.
퍼셉트론은 2개의 클래스를 구분하는 선입니다. 녹색 공은 "가격이 올라갈 가능성이 있습니다.
red- "가격 ...- 다운" . 네, 그게 문제입니다. 이 로샤리키 공이 있는 치질 부위가 있습니다.
교대로 위치하고 있습니다. 일부 똑똑한 사람들 / 포함 - 이 포럼에서 / 책을 읽은 후
Shumsky 등은 다음과 같이 제안합니다. 동일한 비용을 더 많이 지출하려면 다층으로 전환해야 합니다.
구분선... 그럴 수도 있지만 아닐 수도 있습니다. DiRoLnoDoLgo EA 에 필터를 넣습니다.
높음[1]<높음[2] && 낮음[1]<낮음[2] && iOsMA... 및 높음[1]>높음[2] && 낮음[1]>낮음[2]&& iOsMA... ,
그리고 그는 이 치질의 약 2/3를 제거할 것입니다. 그리고 - L E G K O! , 그림 참조:
그런 다음 구분선을 그리는 것이 더 쉽습니다. 이것은 정확히 의미합니다.
그리고 DiRoLnoDoLgo의 이념 은 바로 이것입니다. 글쎄, 적어도 부분적으로 이것을 제거하십시오.
치질 - 결국, 전방 분석의 결과는 /지난 5개월 동안 / -
상당히 N E 나쁨: 총 이익 = +16 숫자 , 기대 = + 2 숫자 /거의/, 수익성 = 30.
분류 성능을 향상시키기 위해 다층 그리드를 사용해야 할 필요성을 의심하는 사람이 있을 거라고는 생각하지 못했습니다. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 문자 인식. 일반적으로 단일 레이어 메쉬는 8.4%로 최악의 결과를 보였습니다. 하지만! 다층 중 하나(2층, 300개의 은닉층 뉴런 포함)는 1.6% 오류로 매우 좋은 결과를 보였습니다. 저것들. 하나의 레이어라도 추가하면 그리드가 훨씬 더 "강력해집니다".
나는 훈련 샘플의 크기를 줄이는 것이 좋은 선택이라고 생각하지 않습니다. 더 큰 클래스 분리성을 달성하는 것이 훨씬 좋습니다. 저것들. 충돌이 없는 방식으로 입력 데이터를 변환합니다(예: 따옴표 표시 시간 간격 늘리기). 나는 fxclub의 책 "거래 - 재정적 자유로 가는 길"에서 한 쌍의 인용문뿐만 아니라 여러 쌍을 그리드에 제출할 것을 권장했다는 것을 기억합니다.
예, 단일 레이어 메시를 사용할 때 또 다른 단점이 있습니다. 이 메시를 만들고 훈련하려는 사람은 BackProp이 무엇인지 등을 배울 필요조차 없습니다. 저것들. 고대 아키텍처의 그리드를 사용하면 가까운 미래에 새로운 아키텍처의 효과적인 그리드가 생성될 확률이 감소하는데, 이는 네트워크 텔레레틱스가 어떻게든 도움이 되어야 하기 때문에 매우, 매우 나쁩니다. =)
일반적으로 오랫동안 금융 시장에서 신경망 을 사용해 온 사람으로서 한 가지만 말할 수 있습니다. 주요 내용은 거기에 설명되어 있지 않습니다. 물론, 저는 신경망을 프로그래밍하지 않습니다. 저는 개별적이고 매우 "미묘한" 주제인 그들의 APPLICATION에만 독점적으로 참여하고 있습니다. 많은 것이 그녀에게 달려 있습니다. 그리고이 기사에서 설명하지 않은 것은 바로이 응용 프로그램이며 이것은 "금융 시장에서 신경망 사용"의 주요 주제 중 하나입니다. 이것에 많이 의존.......
하지만 이건 제 개인적인 생각입니다...
일반적으로 오랫동안 금융 시장에서 신경망 을 사용해 온 사람으로서 한 가지만 말할 수 있습니다. 주요 내용은 거기에 설명되어 있지 않습니다. 물론, 저는 신경망을 프로그래밍하지 않습니다. 저는 개별적이고 매우 "미묘한" 주제인 그들의 APPLICATION에만 독점적으로 참여하고 있습니다. 많은 것이 그녀에게 달려 있습니다. 그리고이 기사에서 설명하지 않은 것은 바로이 응용 프로그램이며 이것은 "금융 시장에서 신경망 사용"의 주요 주제 중 하나입니다. 이것에 많이 의존.......
하지만 이건 제 개인적인 생각입니다...
응.
비 네트워크에 약간 관여하는 사람 (만 12 세)으로서 오랫동안 비 네트워크에 관여 한 사람에게 모든 작업에서 신경망을 사용하는 것은 자신의 작업과 불가분의 관계라고 말할 수 있습니다. 디자인(프로그래밍). 가장 중요한 것은 두 가지 가정입니다. 초기 데이터(이것은 별도의 노래입니다)와 가장 중요한 것은 학습 알고리즘입니다. 네트워크는 모든 것을 할 수 있습니다. 가장 중요한 것은 네트워크를 올바르게 훈련시키는 것입니다.
분류 성능을 향상시키기 위해 다층 그리드를 사용해야 할 필요성을 의심하는 사람이 있을 거라고는 생각하지 못했습니다. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 문자 인식. 일반적으로 단일 레이어 메쉬는 8.4%로 최악의 결과를 보였습니다. 하지만! 다층 중 하나(2층, 300개의 은닉층 뉴런 포함)는 1.6% 오류로 매우 좋은 결과를 보였습니다. 저것들. 하나의 레이어라도 추가하면 그리드가 훨씬 더 "강력해집니다".
즉, 이것은 완전히 다른 주제 영역이므로 다른 접근 방식입니다. 표준 글꼴의 문자 윤곽은 변경되지 않으므로 뉴런이 책의 나머지 페이지에 있는 문자를 높은 정확도로 인식할 수 있도록 예를 들어 몇 페이지에서 한 가지 예에서 네트워크를 한 번 훈련시키는 것이 합리적입니다. .
금융 시장과 관련하여 이것은 모든 것이 끊임없이 변화하고 지속적인 역학 관계에 있는 또 다른 영역입니다. 따라서 복잡한 다층은 여기에서 치아를 끊습니다. 문자 인식 분야에서 과장된 비유는 책의 한 페이지에서 문자 "A"가 "A"로 해석되어야 하고 다른 페이지에서는 동일한 "A"가 이미 "B"로 해석되어야 한다는 것입니다.
이러한 이유로 금융 상품의 과거 데이터의 다른 부분에서 인식된 동일한 패턴은 완전히 다른 방식으로 거래 신호로 해석될 수 있습니다. 일부 섹션에서는 해당 식별이 롱 포지션을 개시하고 숏 포지션을 청산하는 데 더 적합합니다. 동시에 다른 섹션에서와 마찬가지로 반대가 사실입니다: 숏 포지션을 열고 롱 포지션을 청산합니다.
의미: ...
누구도 의심할 것이라고는 생각하지 못했을 것입니다
개선하기 위해 다층 그리드를 사용해야 한다는 점에서
분류 특성. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 인식
문자. 일반적으로 어떤 방식으로든 단일 레이어 메쉬는
최악의 결과 - 8.4%. 하지만! 다층(2층,
은닉층에 300개의 뉴런이 있음)이 매우 좋은 결과를 보였습니다.
- 1.6% 오류. 저것들. 하나의 레이어만 추가해도 그리드는
훨씬 더 강력합니다.
즉, 이것은 완전히 다른 주제 영역이므로
다른 접근. 표준 글꼴의 문자 윤곽선은 변경되지 않으며,
따라서 한 가지 예를 사용하여 네트워크를 훈련시키는 것이 합리적입니다.
예를 들어 몇 페이지에서 뉴런이 높은 정확도로
책의 나머지 페이지에 있는 문자를 인식했습니다.
또는 종이가 똑같이 흰색이고 고품질입니다.
아니요, 이것은 또한 변경 가능한 작업입니다. 모든 것이 작성 방식이고 신경망이 필요하지 않은 경우 간단한 비교로 충분합니다.
의미: ...
누구도 의심할 것이라고는 생각하지 못했을 것입니다
개선하기 위해 다층 그리드를 사용해야 한다는 점에서
분류 특성. =)
Jan LeCun이 이에 대해 쓴 글을 읽는 것이 좋습니다. http://yann.lecun.com/exdb/mnist/index.html . 사실, 주제 영역이 약간 다릅니다 - 인식
문자. 일반적으로 어떤 방식으로든 단일 레이어 메쉬는
최악의 결과 - 8.4%. 하지만! 다층(2층,
은닉층에 300개의 뉴런이 있음)이 매우 좋은 결과를 보였습니다.
- 1.6% 오류. 저것들. 하나의 레이어만 추가해도 그리드는
훨씬 더 강력합니다.
즉, 이것은 완전히 다른 주제 영역이므로
다른 접근. 표준 글꼴의 문자 윤곽선은 변경되지 않으며,
따라서 한 가지 예를 사용하여 네트워크를 훈련시키는 것이 합리적입니다.
예를 들어 몇 페이지에서 뉴런이 높은 정확도로
책의 나머지 페이지에 있는 문자를 인식했습니다.
또는 종이가 똑같이 흰색이고 고품질입니다.
아니요, 이것은 또한 변경 가능한 작업입니다. 모든 것이 작성 방식이고 신경망이 필요하지 않은 경우 간단한 비교로 충분합니다.
2. 같은 판의 책은 모든 기계가 같은 방식으로 인쇄한다. 다르면 결혼입니다.
3. 같은 판의 경우 종이의 형식은 같습니다(예: "형식 70x100 1/16. 오프셋 인쇄. 일반 인쇄 용지 37.4"). 종이도 표준을 충족해야 합니다. 글쎄, 글꼴 세트는 독자의 시력을 망치지 않도록 매우 다양하지 않습니다.
뭐, 일반적으로 표준이 있는 영역(예: 인쇄)과 표준이 없는 영역(예: 금융 시장)의 패턴 인식 작업은 완전히 다르며 의사결정 오류의 확률도 각각 다릅니다.
훨씬 더 간단하게 설명할 수 있습니다. 금융 시장의 패턴 인식 알고리즘이 인쇄된 텍스트의 패턴 인식 알고리즘과 동일한 빈도로 잘못된 경우 ...(모든 것이 명확할 것이기 때문에 더 이상 계속할 필요가 없습니다).