아니요, 이제 다른 프로젝트를 진행해야 하는 시급한 상황이 발생하여 지금까지 뉴런이 잠시 연기되었습니다.
목표는 변동성에 대해 시세를 정상화하는 것입니다.
안녕 앤드류. 오래간만에 죄송합니다. 에코 네트워크로 꽤 좋은 결과를 얻었습니다. 나는 그 주제에 대한 토론에 끼어들려고 노력했지만 영리한 말을 찾지 못했습니다. 탈휘발화가 당신에게 도움이 될지 아닐지는 모르지만(대부분 그렇지 않을 가능성이 높음), 네트워크의 뉴런이 비선형인 경우 입력 정규화가 확실히 필요합니다. 그건 그렇고, 비선형성에 대해. 두 가지 방법으로 설정할 수 있습니다. (1) 뉴런의 출력은 -1 또는 1(쌍곡선 접선) 경향이 있는 큰 입력에서 포화됩니다. (2) 뉴런의 출력은 특정 임계값을 갖는 지수 함수로 설명됩니다. 대부분의 네트워크 설계자는 첫 번째 기능을 선택합니다. 그러나 뇌 뉴런은 후자를 사용합니다. 도움이 될지 안될지 모르겠습니다.
나 자신도 가격 예측 변수를 믿지 않게 되었습니다. 이것이 막다른 길이라고 생각합니다. 저는 이제 매수/매도와 같은 분류기에 더 관심이 있습니다. 어떤 사람들은 이것이 동일한 예측 변수라고 주장할 것입니다. 그가 매수 신호를 주면 그는 가격이 오를 것이라고 예측합니다. 그것은 중요하지 않습니다. 인간의 뇌는 예측자가 아니라 분류자입니다. 또한 입력 정보의 비선형 변환을 위해 여러 신경 레이어를 사용합니다. 지금 분류보다 더 관심이 가는 것은 바로 이 비선형 변환입니다. 퍼셉트론, SVM, kNN 또는 기타 알려진 방법으로 분류할 수 있습니다.
나 자신도 가격 예측 변수를 믿지 않게 되었습니다. 이것이 막다른 길이라고 생각합니다. 저는 이제 구매/판매 유형 분류기에 더 관심이 있습니다. 어떤 사람들은 이것이 동일한 예측 변수라고 주장할 것입니다. 그가 매수 신호를 주면 그는 가격이 오를 것이라고 예측합니다. 그것은 중요하지 않습니다. 인간의 뇌는 예측자가 아니라 분류자입니다. 또한 입력 정보의 비선형 변환을 위해 여러 신경 레이어를 사용합니다. 지금 분류보다 더 관심이 가는 것은 바로 이 비선형 변환입니다. 퍼셉트론, SVM, kNN 또는 기타 알려진 방법으로 분류할 수 있습니다.
내가 알기로는 이 결론은 참으로 많은 사람들이 국회 활용에 대해 내린 결론이다.
여기, 어쩌면 누군가가 그것을 가지고 있지 않을 수도 있습니다. 나는이 주제에 대해 매우 흥미로운 논문을 게시하고 있습니다. 자료에 따라 삽질 된 많은 것들이 있습니다.
논문의 결론을 즉시 보면 시장 상황의 분류자로서 네트워크에 대한 접근 방식이 가장 좋은 접근 방식을 제공하고 다른 모든 것이 멈춥니다.
사람들은 훈련 샘플에서 상황을 수동으로 분류한 후 NN이 이러한 상황을 인식하도록 훈련된 후 NN이 패턴을 인식하는 방법을 학습하는 방식으로 최상의 결과를 얻었습니다.
아니요, 이제 다른 프로젝트를 진행해야 하는 시급한 상황이 발생하여 지금까지 뉴런이 잠시 연기되었습니다.
목표는 변동성에 대해 시세를 정상화하는 것입니다.
안녕 앤드류. 오래간만에 죄송합니다. 에코 네트워크로 꽤 좋은 결과를 얻었습니다. 나는 그 주제에 대한 토론에 끼어들려고 노력했지만 영리한 말을 찾지 못했습니다. 탈휘발화가 당신에게 도움이 될지 아닐지는 모르지만(대부분 그렇지 않을 가능성이 높음), 네트워크의 뉴런이 비선형인 경우 입력 정규화가 확실히 필요합니다. 그건 그렇고, 비선형성에 대해. 두 가지 방법으로 설정할 수 있습니다. (1) 뉴런의 출력은 -1 또는 1(쌍곡선 접선) 경향이 있는 큰 입력에서 포화됩니다. (2) 뉴런의 출력은 특정 임계값을 갖는 지수 함수로 설명됩니다. 대부분의 네트워크 설계자는 첫 번째 기능을 선택합니다. 그러나 뇌 뉴런은 후자를 사용합니다. 도움이 될지 안될지 모르겠습니다.
나 자신도 가격 예측 변수를 믿지 않게 되었습니다. 이것이 막다른 길이라고 생각합니다. 저는 이제 매수/매도와 같은 분류기에 더 관심이 있습니다. 어떤 사람들은 이것이 동일한 예측 변수라고 주장할 것입니다. 그가 매수 신호를 주면 그는 가격이 오를 것이라고 예측합니다. 그것은 중요하지 않습니다. 인간의 뇌는 예측자가 아니라 분류자입니다. 또한 입력 정보의 비선형 변환을 위해 여러 신경 레이어를 사용합니다. 지금 분류보다 더 관심이 가는 것은 바로 이 비선형 변환입니다. 퍼셉트론, SVM, kNN 또는 기타 알려진 방법으로 분류할 수 있습니다.
나 자신도 가격 예측 변수를 믿지 않게 되었습니다. 이것이 막다른 길이라고 생각합니다. 저는 이제 구매/판매 유형 분류기에 더 관심이 있습니다. 어떤 사람들은 이것이 동일한 예측 변수라고 주장할 것입니다. 그가 매수 신호를 주면 그는 가격이 오를 것이라고 예측합니다. 그것은 중요하지 않습니다. 인간의 뇌는 예측자가 아니라 분류자입니다. 또한 입력 정보의 비선형 변환을 위해 여러 신경 레이어를 사용합니다. 지금 분류보다 더 관심이 가는 것은 바로 이 비선형 변환입니다. 퍼셉트론, SVM, kNN 또는 기타 알려진 방법으로 분류할 수 있습니다.
내가 알기로는 이 결론은 참으로 많은 사람들이 국회 활용에 대해 내린 결론이다.
여기, 어쩌면 누군가가 그것을 가지고 있지 않을 수도 있습니다. 나는이 주제에 대해 매우 흥미로운 논문을 게시하고 있습니다. 자료에 따라 삽질 된 많은 것들이 있습니다.
논문의 결론을 즉시 보면 시장 상황의 분류자로서 네트워크에 대한 접근 방식이 가장 좋은 접근 방식을 제공하고 다른 모든 것이 멈춥니다.
사람들은 훈련 샘플에서 상황을 수동으로 분류한 후 NN이 이러한 상황을 인식하도록 훈련된 후 NN이 패턴을 인식하는 방법을 학습하는 방식으로 최상의 결과를 얻었습니다.
나는 아직 신경망을 사용하지 않았지만 예측에 대한 믿음이 거의 없습니다.
이제 매도 브로커의 모든 거래량을 어떻게든 따로따로 평가한다면 유용할 것 같아요)))