지뢰밭에서의 시장예절 또는 예의범절 - 페이지 70 1...636465666768697071727374757677...104 새 코멘트 paralocus 2009.06.14 17:26 #691 Neutron >> : 사실, 분산이 너무 커서 통계를 늘려야 합니다. 견적의 시간별 분석의 경우 이것이 매우 정상적인 현상입니까? 통계를 1000으로 늘렸습니다. 결과는 약간 낮습니다. 이제 d에 대한 통계가 이미 계산되었으므로 완료되면 보여드리겠습니다. Vitali 2009.06.14 17:37 #692 Neutron >> : 보다 정확하게는 준비정상성이라는 진술에서 시장의 완전한 효율성이 뒤따르는 것은 아니다. 예, 이해합니다. 저에게도 더 의미가 있습니다. 그러나 추측하는 사람들이 더 오래 고통받을 수 있도록 단어 게임에서 "준 비 고정성"이라는 단어를 사용합니다. :) paralocus 2009.06.14 17:58 #693 Wiener의 d에 대한 통계는 다음과 같습니다. paralocus 2009.06.14 18:10 #694 K = 2이면 더 아름답게 나타납니다(Wiener에서). 나는 그와 함께 소녀가 더 잘 공부하고 더 잘 일하기 때문에 모든 곳에 K = 1을 넣었습니다 (상당히) 그리고 이것은 kotir(K = 1)의 1000번의 실험에 대한 것입니다. Neutron 2009.06.15 02:55 #695 paralocus писал(а) >> Wiener의 d에 대한 통계는 다음과 같습니다. 쌀. 별로 유익해 보이지 않습니다. 한 장의 사진에 표시합니다. 훈련 샘플과 테스트 샘플에 대한 입력 차원의 함수로 접선만 사용하고 y축을 따라 자동 크기 조정을 설정합니다. paralocus 2009.06.15 06:10 #696 알았어? Neutron 2009.06.15 06:17 #697 이제 당신이 얻는 것을 설명하십시오. 당신이 당신의 사진을 보면. 여기서 Wiener에 대한 탄젠트가 파생됩니다.훈련 세트에 대한 값을 시각적으로 tg=1/2로 추정하는 것은 어렵지 않습니다. 마지막 사진을 보면 tg의 값은 절대 0.1 수준을 초과하지 않습니다. 논평. paralocus 2009.06.15 06:22 #698 속도 때문이 아닐까요? 조사를 하러 갔다. paralocus 2009.06.15 07:05 #699 이것은 내가 결과 탄젠트에 Wiener 변동성을 곱했기 때문입니다. Wiener 변동성도 잘못 계산되었습니다(판독값의 차이는 제곱 없이 누적됨) 이 사진은 K=1용입니다. Neutron 2009.06.15 07:22 #700 이제 축하합니다! 단일 레이어 NN의 코드는 무작위 프로세스에서 0으로(더 많은 통계를 추가하는 경우) 올바르게 작동하고 시장 VR에서 0과 통계적으로 상당히 다른 것으로 볼 수 있습니다. 이제 범용 근사기(2계층 비선형 NN)로 작업을 진행하고 결과를 선형 뉴런의 작업과 비교할 수 있습니다. 핥은 후에는 은닉층에 있는 다른 수의 뉴런과 수익을 비교하고 다른 입력으로 실험할 수 있습니다. 1...636465666768697071727374757677...104 새 코멘트 트레이딩 기회를 놓치고 있어요: 무료 트레이딩 앱 복사용 8,000 이상의 시그널 금융 시장 개척을 위한 경제 뉴스 등록 로그인 공백없는 라틴 문자 비밀번호가 이 이메일로 전송될 것입니다 오류 발생됨 Google으로 로그인 웹사이트 정책 및 이용약관에 동의합니다. 계정이 없으시면, 가입하십시오 MQL5.com 웹사이트에 로그인을 하기 위해 쿠키를 허용하십시오. 브라우저에서 필요한 설정을 활성화하시지 않으면, 로그인할 수 없습니다. 사용자명/비밀번호를 잊으셨습니까? Google으로 로그인
사실, 분산이 너무 커서 통계를 늘려야 합니다.
견적의 시간별 분석의 경우 이것이 매우 정상적인 현상입니까? 통계를 1000으로 늘렸습니다. 결과는 약간 낮습니다. 이제 d에 대한 통계가 이미 계산되었으므로 완료되면 보여드리겠습니다.
보다 정확하게는 준비정상성이라는 진술에서 시장의 완전한 효율성이 뒤따르는 것은 아니다.
예, 이해합니다. 저에게도 더 의미가 있습니다. 그러나 추측하는 사람들이 더 오래 고통받을 수 있도록 단어 게임에서 "준 비 고정성"이라는 단어를 사용합니다. :)
Wiener의 d에 대한 통계는 다음과 같습니다.
K = 2이면 더 아름답게 나타납니다(Wiener에서). 나는 그와 함께 소녀가 더 잘 공부하고 더 잘 일하기 때문에 모든 곳에 K = 1을 넣었습니다 (상당히)
그리고 이것은 kotir(K = 1)의 1000번의 실험에 대한 것입니다.
Wiener의 d에 대한 통계는 다음과 같습니다.
쌀. 별로 유익해 보이지 않습니다. 한 장의 사진에 표시합니다. 훈련 샘플과 테스트 샘플에 대한 입력 차원의 함수로 접선만 사용하고 y축을 따라 자동 크기 조정을 설정합니다.
알았어?
이제 당신이 얻는 것을 설명하십시오.
당신이 당신의 사진을 보면. 여기서 Wiener에 대한 탄젠트가 파생됩니다.
훈련 세트에 대한 값을 시각적으로 tg=1/2로 추정하는 것은 어렵지 않습니다. 마지막 사진을 보면 tg의 값은 절대 0.1 수준을 초과하지 않습니다.
논평.
이것은 내가 결과 탄젠트에 Wiener 변동성을 곱했기 때문입니다. Wiener 변동성도 잘못 계산되었습니다(판독값의 차이는 제곱 없이 누적됨)
이 사진은 K=1용입니다.
이제 축하합니다!
단일 레이어 NN의 코드는 무작위 프로세스에서 0으로(더 많은 통계를 추가하는 경우) 올바르게 작동하고 시장 VR에서 0과 통계적으로 상당히 다른 것으로 볼 수 있습니다. 이제 범용 근사기(2계층 비선형 NN)로 작업을 진행하고 결과를 선형 뉴런의 작업과 비교할 수 있습니다. 핥은 후에는 은닉층에 있는 다른 수의 뉴런과 수익을 비교하고 다른 입력으로 실험할 수 있습니다.