여기서 또 OTO 시장이 터졌다. 물론 봉의 중간이 열리면 틀림없이 오기 때문에 딜레이가 있는 것이 사실이지만, 반면에 봉이 이미 형성되어 있을 때 우리는 그렇지 않기 때문에 없는 것 같다. 정확히 이 황금 평균이 막대 안에 있을 때 신경쓰지 마세요. 중간으로 시작하고 끝나는 바(아직도 일부 있음)를 만났습니다. Neutron과의 논쟁의 본질은 가치가 없지만 Neutron의 경우 막대가 더 이상 막대가 아니기 때문입니다. 시간에 따라 양자화되는 것이 아니라 당신에게 막대는 막대이기 때문입니다.
여기에 또 OTO 시장이 기어 나왔다. 사실은 물론 개봉 후 바의 중간이 의심스럽게 오기 때문에 지연이 있지만, 반면에 바가 이미 형성되면 모두가 이미 관심을 갖기 때문에 부재하는 것처럼 보입니다. 정확히 이 금이 막대 안에 있을 때 중앙이 온 것입니다. 중간으로 시작하고 끝나는 바(아직도 일부 있음)를 만났습니다. Neutron과의 논쟁의 본질은 가치가 없지만 Neutron의 경우 막대가 더 이상 막대가 아니기 때문입니다. 시간에 따라 양자화되는 것이 아니라 당신에게 막대는 막대이기 때문입니다.
귀하의 "참조 시스템"은 다릅니다. 그게 전부입니다.
많은 것들, 특히 이것에 대한 논쟁. Sergey는 그것을 "설득력 있는" 주장의 형태로 가져왔습니다. 하지만 간단한 것은 설명할 수 없는 것 같습니다. 예, 거기에는 지연이 없습니다. 단순히 거기에 없고 아무 것도 없습니다. 정의상 있을 수 없습니다. 이 수치를 얻은 데이터는 교차하지 않습니다. 위상이 없으며 숫자가 완전히 동일합니다.
부록: 정현파에서 두 점을 취하고 x에서 0.1 간격으로 x에서 10.0 간격으로 지연이 있다고 말하는 것과 같습니다.
확인. 여기에 아이디어 자체가 있습니다. 곰곰이 생각해보면 2, 4, 11봉의 중요성을 주변 봉들에 비해 과소평가할 시장지배력은 없을 것이다. 즉, 인접한 막대가 매우 가까운 값을 가질 것으로 예상해야 합니다. 11시간 전에 일어난 일이 12시간 전에 일어난 일도 중요합니다. 따라서 한 막대에서 다음 막대로 가중치 값의 부드러운 전환을 기대해야 합니다. 이것은 막대 번호(지연)의 함수로 무게를 설명하는 곡선이 매끄러워야 함을 의미합니다. 그렇다면 이 w[n] 곡선을 Taylor 급수로 근사할 수 있습니다. 다항식. 예를 들어 가중치 아래에서 3도 또는 4도의 다항식을 맞출 수 있습니다. 내 아이디어의 다음 가정은 이것이다. 가중치 자체를 최적화하는 대신(16개가 있음) 다항식 계수(a0+a1*n+a2*n^2+a3*n^3, 최적화 a0..a3, 총 4개 매개변수)를 최적화하고 n번째 막대의 가중치는 a0+a1*n+a2*n^2+a3*n^3 공식에 따라 계산합니다. 훨씬 적은 계산. 시도 해봐.
그 아이디어에 대해 진심으로 감사드립니다. 그러나 어린 시절에 한 번 (입구에 있는 소년들로부터) 개념의 기초에서 오류가 발견되면 추가 구성은 무시할 수 있다는 말을 들었습니다. 과학적 매력 하나(시장 상태)에서 다른 상태로 전환하는 데 필요한 기능으로 부드러움을 생각하는 데 오류가 있습니다. 아아. 당신을 화나게해야합니다. 시장은 중간 curtsy 없이 A에서 Z로 이동합니다. 그렇지 않았다면 이곳에는 포럼이 아니라 소로스의 모임이 있었을 것이다.
글쎄, 아무것도 ... 나는 당신에게 새로운 아이디어 (시장의 개념)를 던질 것입니다. 그것은 분명히 당신이 지금까지 가지고 있던 것보다 더 유익합니다.
그건 그렇고, 나는 같은 것을 예측할 수 있습니다. AR이 없어도 말이죠. :) 이것만이 나에게 아무것도 주지 않았다. 80%의 정확도로 가격이 "어디로" 갈지 추측할 수 있지만 이익은 없습니다. 슬퍼. ;)
행(H+L)/2. 간결하게 Mu로 지정하겠습니다. 이 값을 정확하게 예측할 수는 없지만 Mu(n) - Mu(n+1) 차이의 부호를 정확하게 예측할 수 있다고 가정합니다. 예를 들어, 현재 막대의 경우 다음 델타 Mu(n) - Mu(n+1)이 양수일 것임을 알고 있습니다. 그런 다음 새로운 증분을 통계적으로 평가해야 하며 여기에서 Mu(n+1)로 이동합니다. 막대 범위에 대한 평균 제곱근 추정치를 이 수준에 추가합니다. 우리는 거래 수준을 얻었고 예술적 단어를 향상시키기 위해 그림을 그렸습니다. 이러한 수준의 발생 빈도가 크고 확산에 비례하면 해결될 수 있습니다. 이 델타를 80%까지 예측합니까?
추신: 나는 개인적으로 가격에 대해 그렇게 밀접하게 작업하지 않습니다. 가능성은 적거나 아예 없습니다. 방향만 정확히 예측하는 것이 아니라 예측할 수 있다는 아이디어가 떠올랐을 뿐입니다. 나는 이 "기술"을 사용하여 나 자신을 예측합니다. '이런 그림을 본 적이 있습니까?' 최소 하루 15분 막대, 여기에 실제 예측의 예가 있습니다. 다음 테스트를 완료하겠습니다. 더 있을 것입니다(나는 단지 디버깅 중이며 전체 astrolabe를 아직 수집하지 않았습니다). '실시간 예측 시스템 테스트'
예, 어떻게 든 귀하의 마지막 두 번째 게시물을 놓쳤습니다. 여기에 한 가지 흥미로운 질문이 있습니다. 왜 가중치(원칙적으로)가 시간이 지남에 따라 자체 지수의 함수가 될 수 있다는 아이디어를 얻었습니까? 나는 당신의 아이디어의 기원을 이해하는 것 같습니다. 당신은 가중치 그래프를 보고 있습니다. 여기에 뉘앙스가 있습니다. 두 가지 다른 실험(동일한 교육 벡터에 대한 학습 결과)에서 이러한 그래프(시각적 및 토폴로지)는 크게 다를 수 있지만 메쉬 결과(통계적으로)는 본질적으로 동일합니다. 제안된 방식으로 네트워크를 훈련 하는 데 만족스러운 기능을 찾을 수 있다고 해도 훈련 결과(동일한 벡터에 대한 두 번의 연속 실험)는 완전히 일치합니다. 그것은 더 이상 신경망이 아니라 완전히 결정적인 것입니다. 이미 자고 있는 Neutron 이 말했듯이 그러한 네트워크는 단일 벡터에 대해 정확히 훈련되지만 시를 작성할 수는 없습니다. 따라서 무역에서의 감각은 0입니다. 각 후속 판독값은 이전 판독값(및 모든 이전 판독값)과 유사하지 않으며 일반 그리드는 이에 포함되지 않습니다. 그것은 그녀가 배운 어떤 이미지와 거의 비슷합니다. 정확히 로 대체되면 그러한 네트워크의 엔트로피는 0과 같습니다 (즉, 왼쪽으로 이동, 오른쪽으로 이동 - 실행, 즉시 점프 - 도발)
무엇보다도 제안한 방법의 학습 속도에는 큰 차이가 없습니다. 하나의 다항식 계수를 변경하면 하나의 가중치를 수정하는 것과 정확히 동일한 양의 리소스가 필요하고 n개의 계수가 있기 때문입니다. 무게), 그래서 승리는 무엇입니까?
행(H+L)/2. 간결하게 Mu로 지정하겠습니다. 이 값을 정확하게 예측할 수는 없지만 Mu(n) - Mu(n+1) 차이의 부호를 정확하게 예측할 수 있다고 가정합니다. 예를 들어, 현재 막대의 경우 다음 델타 Mu(n) - Mu(n+1)이 양수일 것임을 알고 있습니다. 그런 다음 새로운 증분을 통계적으로 평가해야 하며 여기에서 Mu(n+1)로 이동합니다. 막대 범위에 대한 평균 제곱근 추정치를 이 수준에 추가합니다. 우리는 거래 수준을 얻었고 예술적 단어를 향상시키기 위해 그림을 그렸습니다.
이러한 수준의 발생 빈도가 크고 확산에 비례하면 해결될 수 있습니다. 이 델타를 80%까지 예측합니까?
이 동일한 80%를 보여주는 알고리즘을 보고 놀랐습니다. 나는 실수를 찾고 있습니다. 모든 것이 매우 쉽습니다. 그런 일은 일어나지 않습니다.
아-아-아-아-아-아-아-아-아-아-!!!!! 우리는 달이 어디에 있는지 볼 필요가 있습니다. 아마도 그것이 이유일 것입니다. 이제 "말이 충분하지 않습니다"라는 표현을 이해합니다. 지연은 어디에 있습니까 ???:
당신을 위해 특별히 제작:
FZ가 항상 발생하고 kotir의 날카로운 움직임에서 시각적으로 명확하게 볼 수 있음을 분명히 알 수 있습니다.
Seryoga, 나는 사소하고 과시가 완전히 없기 때문에이 주제에 대해 더 이상 논의하지 않을 것입니다. 재료를 배우고 다음에 또 다른 Super-Duper Brilliant Idea가 떠오를 때 구현을 위해 하나 또는 두 개의 연구 기관과 RS 클러스터가 필요하다고 생각하면 잠시 생각하십시오. 어쩌면 당신은 무언가를 모르거나 이해하지 못할 수도 있습니다. 결국 이것은 모든 것이 당신 앞에서 짓밟힌 지역에서 "획기적인 발견"보다 가능성이 더 큽니다.
나는 모든 가중치를 기술하는 단축된 방법을 제안합니다. 이 경우에는 다항식입니다. 예를 보여드리겠습니다. 특정 입력 벡터에서 네트워크를 학습하고 n=0..15인 모든 가중치 w[n]의 값을 얻었습니다.
나는 paralocus 가 당신의 아이디어가 할당된 NN의 시장 프로세스의 고정성에 대한 확인되지 않은 가설에 기초하고 있다는 것을 당신에게 아주 올바르게 지적한다고 믿습니다. 그것이 확인된 경우에만 NN 가중치의 어떤 종류의 정상성을 기대할 수 있으며 결과적으로 네트워크 교육 없이 가중치를 찾기 위한 외삽 방법의 적용 가능성을 기대할 수 있습니다. 그러나 이것이 사실이라면 우리는 각각의 새로운 VR 카운트에서 그리드를 재교육하지 않을 것이지만 우리는 해야 하며 이 사실은 간접적이기는 하지만 가중치의 비정상성에 찬성합니다! 그런 다음 항상 수치 실험을 수행하고 훈련된 그리드의 가중치가 카운트에서 카운트로 어떻게 동작하는지 확인할 수 있습니다. 우리는 볼 것인가?
이를 위해 500번의 실험을 수행하고 매번 한 막대씩 이동하고 다음 막대를 예측하는 방법을 학습합니다. 각 막대에서 네트워크를 다시 훈련합니다. 하나의 그래프에 가중치 벡터를 500번 모두 표시하지 않도록 각 가중치에 대해 얻은 값을 평균화하여 표시하며, 각 가중치에 해당하는 분산(값의 산포)을 수염 모양으로 표시합니다. 1/e 수준:
가로축은 NN 입력의 수를 나타내고 세로축은 완전히 훈련된 네트워크에 대한 이 입력에서 가중치의 평균 값을 나타냅니다. 시계(왼쪽 그림)의 경우 가중치 값이 통계적 산포 영역(수염 범위)에 있음을 알 수 있으며, 이는 정상성 가설을 직접적으로 반박합니다. 잠시 후 상황이 조금 나아집니다. 여기에서는 인용의 잘 알려진 반지속성(음의 상관 계수 작은 시간 프레임에서 이웃 카운트 간의 첫 번째 차이 시리즈).
따라서 NS의 가중치를 다항식으로 근사하는 방법을 개발할 필요성에 대해 이야기하는 것은 시기상조입니다.
여기서 또 OTO 시장이 터졌다. 물론 봉의 중간이 열리면 틀림없이 오기 때문에 딜레이가 있는 것이 사실이지만, 반면에 봉이 이미 형성되어 있을 때 우리는 그렇지 않기 때문에 없는 것 같다. 정확히 이 황금 평균이 막대 안에 있을 때 신경쓰지 마세요. 중간으로 시작하고 끝나는 바(아직도 일부 있음)를 만났습니다. Neutron과의 논쟁의 본질은 가치가 없지만 Neutron의 경우 막대가 더 이상 막대가 아니기 때문입니다. 시간에 따라 양자화되는 것이 아니라 당신에게 막대는 막대이기 때문입니다.
귀하의 "참조 시스템"은 다릅니다. 그게 전부입니다.
아니, 늙지 않았어... 아, 슈퍼스타!
당신은 모두 바보입니까, 내 사랑? 사실 노년은 기쁨이 아니다.
여기에 또 OTO 시장이 기어 나왔다. 사실은 물론 개봉 후 바의 중간이 의심스럽게 오기 때문에 지연이 있지만, 반면에 바가 이미 형성되면 모두가 이미 관심을 갖기 때문에 부재하는 것처럼 보입니다. 정확히 이 금이 막대 안에 있을 때 중앙이 온 것입니다. 중간으로 시작하고 끝나는 바(아직도 일부 있음)를 만났습니다. Neutron과의 논쟁의 본질은 가치가 없지만 Neutron의 경우 막대가 더 이상 막대가 아니기 때문입니다. 시간에 따라 양자화되는 것이 아니라 당신에게 막대는 막대이기 때문입니다.
귀하의 "참조 시스템"은 다릅니다. 그게 전부입니다.
많은 것들, 특히 이것에 대한 논쟁. Sergey는 그것을 "설득력 있는" 주장의 형태로 가져왔습니다. 하지만 간단한 것은 설명할 수 없는 것 같습니다. 예, 거기에는 지연이 없습니다. 단순히 거기에 없고 아무 것도 없습니다. 정의상 있을 수 없습니다. 이 수치를 얻은 데이터는 교차하지 않습니다. 위상이 없으며 숫자가 완전히 동일합니다.
부록: 정현파에서 두 점을 취하고 x에서 0.1 간격으로 x에서 10.0 간격으로 지연이 있다고 말하는 것과 같습니다.
괜찮아 - 우리는 우리의 의견으로 남을 것입니다 ...
시도 해봐.
글쎄, 행운을 빕니다 :). Taylor 시리즈로의 확장은 고조파보다 훨씬 더 나쁩니다. 0이 아닌 다항식은 경계 범위가 없습니다.
또한, 귀하의 말에서 한 번도 다항식이 아니라 일반 SMA mashka로 밝혀졌습니다.
확인. 여기에 아이디어 자체가 있습니다. 곰곰이 생각해보면 2, 4, 11봉의 중요성을 주변 봉들에 비해 과소평가할 시장지배력은 없을 것이다. 즉, 인접한 막대가 매우 가까운 값을 가질 것으로 예상해야 합니다. 11시간 전에 일어난 일이 12시간 전에 일어난 일도 중요합니다. 따라서 한 막대에서 다음 막대로 가중치 값의 부드러운 전환을 기대해야 합니다. 이것은 막대 번호(지연)의 함수로 무게를 설명하는 곡선이 매끄러워야 함을 의미합니다. 그렇다면 이 w[n] 곡선을 Taylor 급수로 근사할 수 있습니다. 다항식. 예를 들어 가중치 아래에서 3도 또는 4도의 다항식을 맞출 수 있습니다. 내 아이디어의 다음 가정은 이것이다. 가중치 자체를 최적화하는 대신(16개가 있음) 다항식 계수(a0+a1*n+a2*n^2+a3*n^3, 최적화 a0..a3, 총 4개 매개변수)를 최적화하고 n번째 막대의 가중치는 a0+a1*n+a2*n^2+a3*n^3 공식에 따라 계산합니다. 훨씬 적은 계산. 시도 해봐.
그 아이디어에 대해 진심으로 감사드립니다. 그러나 어린 시절에 한 번 (입구에 있는 소년들로부터) 개념의 기초에서 오류가 발견되면 추가 구성은 무시할 수 있다는 말을 들었습니다. 과학적 매력 하나(시장 상태)에서 다른 상태로 전환하는 데 필요한 기능으로 부드러움을 생각하는 데 오류가 있습니다. 아아. 당신을 화나게해야합니다. 시장은 중간 curtsy 없이 A에서 Z로 이동합니다. 그렇지 않았다면 이곳에는 포럼이 아니라 소로스의 모임이 있었을 것이다.
글쎄, 아무것도 ... 나는 당신에게 새로운 아이디어 (시장의 개념)를 던질 것입니다. 그것은 분명히 당신이 지금까지 가지고 있던 것보다 더 유익합니다.
언뜻보기에는 매우 간단합니다.
규칙성은 임의성의 존재 방식이다. 그 반대는 사실이 아닙니다.
중성자에게
제품 이 이 운영 체제에서 실행되지 않습니다.
비누 사러 갔다...
그건 그렇고, 나는 같은 것을 예측할 수 있습니다. AR이 없어도 말이죠. :) 이것만이 나에게 아무것도 주지 않았다. 80%의 정확도로 가격이 "어디로" 갈지 추측할 수 있지만 이익은 없습니다. 슬퍼. ;)
행(H+L)/2. 간결하게 Mu로 지정하겠습니다. 이 값을 정확하게 예측할 수는 없지만 Mu(n) - Mu(n+1) 차이의 부호를 정확하게 예측할 수 있다고 가정합니다. 예를 들어, 현재 막대의 경우 다음 델타 Mu(n) - Mu(n+1)이 양수일 것임을 알고 있습니다. 그런 다음 새로운 증분을 통계적으로 평가해야 하며 여기에서 Mu(n+1)로 이동합니다. 막대 범위에 대한 평균 제곱근 추정치를 이 수준에 추가합니다. 우리는 거래 수준을 얻었고 예술적 단어를 향상시키기 위해 그림을 그렸습니다.
이러한 수준의 발생 빈도가 크고 확산에 비례하면 해결될 수 있습니다. 이 델타를 80%까지 예측합니까?
추신: 나는 개인적으로 가격에 대해 그렇게 밀접하게 작업하지 않습니다. 가능성은 적거나 아예 없습니다. 방향만 정확히 예측하는 것이 아니라 예측할 수 있다는 아이디어가 떠올랐을 뿐입니다. 나는 이 "기술"을 사용하여 나 자신을 예측합니다. '이런 그림을 본 적이 있습니까?' 최소 하루 15분 막대, 여기에 실제 예측의 예가 있습니다. 다음 테스트를 완료하겠습니다. 더 있을 것입니다(나는 단지 디버깅 중이며 전체 astrolabe를 아직 수집하지 않았습니다).
'실시간 예측 시스템 테스트'
gpwr에
예, 어떻게 든 귀하의 마지막 두 번째 게시물을 놓쳤습니다. 여기에 한 가지 흥미로운 질문이 있습니다. 왜 가중치(원칙적으로)가 시간이 지남에 따라 자체 지수의 함수가 될 수 있다는 아이디어를 얻었습니까? 나는 당신의 아이디어의 기원을 이해하는 것 같습니다. 당신은 가중치 그래프를 보고 있습니다. 여기에 뉘앙스가 있습니다. 두 가지 다른 실험(동일한 교육 벡터에 대한 학습 결과)에서 이러한 그래프(시각적 및 토폴로지)는 크게 다를 수 있지만 메쉬 결과(통계적으로)는 본질적으로 동일합니다. 제안된 방식으로 네트워크를 훈련 하는 데 만족스러운 기능을 찾을 수 있다고 해도 훈련 결과(동일한 벡터에 대한 두 번의 연속 실험)는 완전히 일치합니다. 그것은 더 이상 신경망이 아니라 완전히 결정적인 것입니다. 이미 자고 있는 Neutron 이 말했듯이 그러한 네트워크는 단일 벡터에 대해 정확히 훈련되지만 시를 작성할 수는 없습니다. 따라서 무역에서의 감각은 0입니다. 각 후속 판독값은 이전 판독값(및 모든 이전 판독값)과 유사하지 않으며 일반 그리드는 이에 포함되지 않습니다. 그것은 그녀가 배운 어떤 이미지와 거의 비슷합니다. 정확히 로 대체되면 그러한 네트워크의 엔트로피는 0과 같습니다 (즉, 왼쪽으로 이동, 오른쪽으로 이동 - 실행, 즉시 점프 - 도발)
무엇보다도 제안한 방법의 학습 속도에는 큰 차이가 없습니다. 하나의 다항식 계수를 변경하면 하나의 가중치를 수정하는 것과 정확히 동일한 양의 리소스가 필요하고 n개의 계수가 있기 때문입니다. 무게), 그래서 승리는 무엇입니까?
행(H+L)/2. 간결하게 Mu로 지정하겠습니다. 이 값을 정확하게 예측할 수는 없지만 Mu(n) - Mu(n+1) 차이의 부호를 정확하게 예측할 수 있다고 가정합니다. 예를 들어, 현재 막대의 경우 다음 델타 Mu(n) - Mu(n+1)이 양수일 것임을 알고 있습니다. 그런 다음 새로운 증분을 통계적으로 평가해야 하며 여기에서 Mu(n+1)로 이동합니다. 막대 범위에 대한 평균 제곱근 추정치를 이 수준에 추가합니다. 우리는 거래 수준을 얻었고 예술적 단어를 향상시키기 위해 그림을 그렸습니다.
이러한 수준의 발생 빈도가 크고 확산에 비례하면 해결될 수 있습니다. 이 델타를 80%까지 예측합니까?
이 동일한 80%를 보여주는 알고리즘을 보고 놀랐습니다. 나는 실수를 찾고 있습니다. 모든 것이 매우 쉽습니다. 그런 일은 일어나지 않습니다.
아-아-아-아-아-아-아-아-아-아-!!!!! 우리는 달이 어디에 있는지 볼 필요가 있습니다. 아마도 그것이 이유일 것입니다. 이제 "말이 충분하지 않습니다"라는 표현을 이해합니다. 지연은 어디에 있습니까 ???:
당신을 위해 특별히 제작:
FZ가 항상 발생하고 kotir의 날카로운 움직임에서 시각적으로 명확하게 볼 수 있음을 분명히 알 수 있습니다.
Seryoga, 나는 사소하고 과시가 완전히 없기 때문에이 주제에 대해 더 이상 논의하지 않을 것입니다. 재료를 배우고 다음에 또 다른 Super-Duper Brilliant Idea가 떠오를 때 구현을 위해 하나 또는 두 개의 연구 기관과 RS 클러스터가 필요하다고 생각하면 잠시 생각하십시오. 어쩌면 당신은 무언가를 모르거나 이해하지 못할 수도 있습니다. 결국 이것은 모든 것이 당신 앞에서 짓밟힌 지역에서 "획기적인 발견"보다 가능성이 더 큽니다.
나는 모든 가중치를 기술하는 단축된 방법을 제안합니다. 이 경우에는 다항식입니다. 예를 보여드리겠습니다. 특정 입력 벡터에서 네트워크를 학습하고 n=0..15인 모든 가중치 w[n]의 값을 얻었습니다.
나는 paralocus 가 당신의 아이디어가 할당된 NN의 시장 프로세스의 고정성에 대한 확인되지 않은 가설에 기초하고 있다는 것을 당신에게 아주 올바르게 지적한다고 믿습니다. 그것이 확인된 경우에만 NN 가중치의 어떤 종류의 정상성을 기대할 수 있으며 결과적으로 네트워크 교육 없이 가중치를 찾기 위한 외삽 방법의 적용 가능성을 기대할 수 있습니다. 그러나 이것이 사실이라면 우리는 각각의 새로운 VR 카운트에서 그리드를 재교육하지 않을 것이지만 우리는 해야 하며 이 사실은 간접적이기는 하지만 가중치의 비정상성에 찬성합니다! 그런 다음 항상 수치 실험을 수행하고 훈련된 그리드의 가중치가 카운트에서 카운트로 어떻게 동작하는지 확인할 수 있습니다. 우리는 볼 것인가?
이를 위해 500번의 실험을 수행하고 매번 한 막대씩 이동하고 다음 막대를 예측하는 방법을 학습합니다. 각 막대에서 네트워크를 다시 훈련합니다. 하나의 그래프에 가중치 벡터를 500번 모두 표시하지 않도록 각 가중치에 대해 얻은 값을 평균화하여 표시하며, 각 가중치에 해당하는 분산(값의 산포)을 수염 모양으로 표시합니다. 1/e 수준:
가로축은 NN 입력의 수를 나타내고 세로축은 완전히 훈련된 네트워크에 대한 이 입력에서 가중치의 평균 값을 나타냅니다. 시계(왼쪽 그림)의 경우 가중치 값이 통계적 산포 영역(수염 범위)에 있음을 알 수 있으며, 이는 정상성 가설을 직접적으로 반박합니다. 잠시 후 상황이 조금 나아집니다. 여기에서는 인용의 잘 알려진 반지속성(음의 상관 계수 작은 시간 프레임에서 이웃 카운트 간의 첫 번째 차이 시리즈).
따라서 NS의 가중치를 다항식으로 근사하는 방법을 개발할 필요성에 대해 이야기하는 것은 시기상조입니다.