Vladimir Simakov : 베드로. 나는 당신에게 "수학"이라는 용어가 그녀의 학교 과정으로 끝난다는 것을 알고 있습니까? 알고리즘을 포함하여 더 많은 것이 있습니다.
예, 저는 학교 과정에서 수학을 압니다. 분석기하학(함수와 좌표축을 다루는) 수업에서 한 선생님에게 "함수가 그래프에 곡선을 그리는 경우 그래프의 곡선을 따라 함수를 만들 수 있습니까?"라고 질문한 적이 있습니다. "아니오. 불가능합니다."라는 분명한 대답을 받았습니다. 이를 통해 나는 패턴을 수학적으로 기술할 수는 있지만 값에서 패턴을 생성한 공식을 얻는 것이 불가능하기 때문에 식별할 수 없다는 결론을 내렸습니다.
예, 저는 학교 과정에서 수학을 압니다. 분석기하학(함수와 좌표축을 다루는) 수업에서 한 선생님에게 "함수가 그래프에 곡선을 그리는 경우 그래프의 곡선을 따라 함수를 만들 수 있습니까?"라고 질문한 적이 있습니다. "아니오. 불가능합니다."라는 분명한 대답을 받았습니다. 이를 통해 나는 패턴을 수학적으로 기술할 수는 있지만 값에서 패턴을 생성한 공식을 얻는 것이 불가능하기 때문에 식별할 수 없다는 결론을 내렸습니다.
데이터 배열은 말하자면 테이블 내부에 배치되며 각 셀은 하나의 값을 기억하는 뉴런입니다. "학습"(새 데이터 다시로드) 과정에서 셀의 값이 일반화되어 범위로 축소됩니다. 결과적으로 각 뉴런은 데이터 로드 주기에서 얻은 값의 범위를 기억하고 "모델"(범위 값이 있는 행렬)이 얻어지며, 이는 템플릿처럼 새 데이터 테이블에 중첩되고 "인식 "가 발생합니다(데이터가 범위에 맞는 경우). 아마추어적으로 말했지만 여기에 아이디어가 있습니다. 전문가들의 의견이 궁금합니다.
글쎄, 당신이 진지하게 공부를 시작하기로 결정했다면, 적어도 한 권의 책을 읽어야 할 것입니다 (다음 책은 이전 책에서 80% 반복된다는 것을 이해하기 위해))), 글쎄, 적어도 분류 작업이 어떻게 되는지 이해해야 합니다 NN에 대한 회귀와 다릅니다. 기본적으로 모든 것이 이것에 기반하고 나머지는 이 주제와 학습 방법 및 NN 유형에 대한 변형입니다. 더 깊이 연구하지 않았습니다. 반복되는 많은 요점이 있지만 제시하려고 합니다. 신조어라고 해서 아주 새로운 것 처럼....혼란이 많이 일어나긴 하지만 노이즈)) ))
글쎄, 당신이 진지하게 공부를 시작하기로 결정했다면, 적어도 한 권의 책을 읽어야 할 것입니다 (다음 책은 이전 책에서 80% 반복된다는 것을 이해하기 위해))), 글쎄, 적어도 분류 작업이 어떻게 되는지 이해해야 합니다 NN에 대한 회귀와 다릅니다. 기본적으로 모든 것이 이것에 기반하고 나머지는 이 주제와 학습 방법 및 NN 유형에 대한 변형입니다. 더 깊이 연구하지 않았습니다. 반복되는 많은 요점이 있지만 제시하려고 합니다. 신조어라고 해서 아주 새로운 것 처럼....혼란이 많이 일어나긴 하지만 노이즈)) ))
감사합니다. 첫 번째 기사가 마음에 들었지만 네트워크가 갑자기 이런 식으로 작동하고 그렇지 않은 경우에는 작동하지 않는 이유를 이해할 수 없습니다. 모든 것이 간단하게 설명되어 있지만 이 모든 것이 왜 그리고 무엇에 관한 것인지 완전히 이해할 수 없습니다. 실제 예가 없는 정보일 뿐입니다.
가중치, 뉴런, 입력 및 출력, 은닉, 시냅스... 값은 1과 0 사이여야 합니다. 왜 이런 식이고 그렇지 않은가요?
non-double 데이터와 0과 1의 범위를 넘어서는 네트워크를 훈련시키는 방법은 무엇입니까? 레이어를 선언하는 방법은 무엇입니까? 뉴런 수를 설정하는 방법은 무엇입니까? 데이터를 업로드할 위치는 어디인가요?
감사합니다. 첫 번째 기사가 마음에 들었지만 네트워크가 갑자기 이런 식으로 작동하고 그렇지 않은 경우에는 작동하지 않는 이유를 이해할 수 없습니다. 모든 것이 간단하게 설명되어 있지만 이 모든 것이 왜 그리고 무엇에 관한 것인지 완전히 이해할 수 없습니다. 실제 예가 없는 정보일 뿐입니다.
가중치, 뉴런, 입력 및 출력, 은닉, 시냅스... 값은 1과 0 사이여야 합니다. 왜 이런 식이고 그렇지 않은가요?
non-double 데이터와 0과 1의 범위를 넘어서는 네트워크를 훈련시키는 방법은 무엇입니까? 레이어를 선언하는 방법? 뉴런 수를 설정하는 방법은 무엇입니까? 데이터를 업로드할 위치는 어디인가요?
베드로. 나는 당신에게 "수학"이라는 용어가 그녀의 학교 과정으로 끝난다는 것을 알고 있습니까? 알고리즘을 포함하여 더 많은 것이 있습니다.
예, 저는 학교 과정에서 수학을 압니다. 분석기하학(함수와 좌표축을 다루는) 수업에서 한 선생님에게 "함수가 그래프에 곡선을 그리는 경우 그래프의 곡선을 따라 함수를 만들 수 있습니까?"라고 질문한 적이 있습니다. "아니오. 불가능합니다."라는 분명한 대답을 받았습니다. 이를 통해 나는 패턴을 수학적으로 기술할 수는 있지만 값에서 패턴을 생성한 공식을 얻는 것이 불가능하기 때문에 식별할 수 없다는 결론을 내렸습니다.
아마도 다른 수학적 도구가 있을 것입니다. 당신이 알고 있다면 말해.다음은 패턴에 대한 더 넓은 관점입니다.
https://en.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD
예, 저는 학교 과정에서 수학을 압니다. 분석기하학(함수와 좌표축을 다루는) 수업에서 한 선생님에게 "함수가 그래프에 곡선을 그리는 경우 그래프의 곡선을 따라 함수를 만들 수 있습니까?"라고 질문한 적이 있습니다. "아니오. 불가능합니다."라는 분명한 대답을 받았습니다. 이를 통해 나는 패턴을 수학적으로 기술할 수는 있지만 값에서 패턴을 생성한 공식을 얻는 것이 불가능하기 때문에 식별할 수 없다는 결론을 내렸습니다.
아마도 다른 수학적 도구가 있을 것입니다. 당신이 알고 있다면 말해.함수를 설정하기 위한 표 형식의 방법, 보간법을 사용할 수 있습니다.
함수를 설정하기 위한 표 형식의 방법, 보간법을 사용할 수 있습니다.
틀릴 수도 있지만 신경망이 이 방식으로 작동한다고 생각합니다.
데이터 배열은 말하자면 테이블 내부에 배치되며 각 셀은 하나의 값을 기억하는 뉴런입니다. "학습"(새 데이터 다시로드) 과정에서 셀의 값이 일반화되어 범위로 축소됩니다. 결과적으로 각 뉴런은 데이터 로드 주기에서 얻은 값의 범위를 기억하고 "모델"(범위 값이 있는 행렬)이 얻어지며, 이는 템플릿처럼 새 데이터 테이블에 중첩되고 "인식 "가 발생합니다(데이터가 범위에 맞는 경우). 아마추어적으로 말했지만 여기에 아이디어가 있습니다. 전문가들의 의견이 궁금합니다.
이 경우 신경망은 패턴 인식에 이상적입니다.
틀릴 수도 있지만 신경망이 이 방식으로 작동한다고 생각합니다.
데이터 배열은 말하자면 테이블 내부에 배치되며 각 셀은 하나의 값을 기억하는 뉴런입니다. "학습"(새 데이터 다시로드) 과정에서 셀의 값이 일반화되어 범위로 축소됩니다.
1. 일반적으로 대답은 아니오입니다.
2. 특정한 경우에 그렇습니다. 그러나 NS의 유형에 따라 다릅니다.
1. NS는 "뉴런의 암기"가 아니라 무게의 변화 - 뉴런 간의 연결, 일반적으로 모든 것이 Habré로 명확하게 작성되고 읽기 쉽습니다 https://habr.com/ru/ 포스트/312450/
2. 이것은 Hamming 네트워크일 가능성이 높습니다. https://habr.com/ru/sandbox/43916/
글쎄, 당신이 진지하게 공부를 시작하기로 결정했다면, 적어도 한 권의 책을 읽어야 할 것입니다 (다음 책은 이전 책에서 80% 반복된다는 것을 이해하기 위해))), 글쎄, 적어도 분류 작업이 어떻게 되는지 이해해야 합니다 NN에 대한 회귀와 다릅니다. 기본적으로 모든 것이 이것에 기반하고 나머지는 이 주제와 학습 방법 및 NN 유형에 대한 변형입니다. 더 깊이 연구하지 않았습니다. 반복되는 많은 요점이 있지만 제시하려고 합니다. 신조어라고 해서 아주 새로운 것 처럼....혼란이 많이 일어나긴 하지만 노이즈)) ))
1. 일반적으로 대답은 아니오입니다.
2. 특정한 경우에 그렇습니다. 그러나 NA의 유형에 따라 다릅니다.
1. NS는 "뉴런의 암기"가 아니라 무게의 변화 - 뉴런 간의 연결, 일반적으로 모든 것이 Habré로 명확하게 작성되고 읽기 쉽습니다 https://habr.com/en/ 포스트/312450/
2. 이것은 Hamming 네트워크일 가능성이 높습니다. https://habr.com/ru/sandbox/43916/
글쎄, 당신이 진지하게 공부를 시작하기로 결정했다면, 적어도 한 권의 책을 읽어야 할 것입니다 (다음 책은 이전 책에서 80% 반복된다는 것을 이해하기 위해))), 글쎄, 적어도 분류 작업이 어떻게 되는지 이해해야 합니다 NN에 대한 회귀와 다릅니다. 기본적으로 모든 것이 이것에 기반하고 나머지는 이 주제와 학습 방법 및 NN 유형에 대한 변형입니다. 더 깊이 연구하지 않았습니다. 반복되는 많은 요점이 있지만 제시하려고 합니다. 신조어라고 해서 아주 새로운 것 처럼....혼란이 많이 일어나긴 하지만 노이즈)) ))
감사합니다. 첫 번째 기사가 마음에 들었지만 네트워크가 갑자기 이런 식으로 작동하고 그렇지 않은 경우에는 작동하지 않는 이유를 이해할 수 없습니다. 모든 것이 간단하게 설명되어 있지만 이 모든 것이 왜 그리고 무엇에 관한 것인지 완전히 이해할 수 없습니다. 실제 예가 없는 정보일 뿐입니다.
가중치, 뉴런, 입력 및 출력, 은닉, 시냅스... 값은 1과 0 사이여야 합니다. 왜 이런 식이고 그렇지 않은가요?
non-double 데이터와 0과 1의 범위를 넘어서는 네트워크를 훈련시키는 방법은 무엇입니까? 레이어를 선언하는 방법은 무엇입니까? 뉴런 수를 설정하는 방법은 무엇입니까? 데이터를 업로드할 위치는 어디인가요?
요컨대, 내가 아무것도 이해하지 못할 때까지.감사합니다. 첫 번째 기사가 마음에 들었지만 네트워크가 갑자기 이런 식으로 작동하고 그렇지 않은 경우에는 작동하지 않는 이유를 이해할 수 없습니다. 모든 것이 간단하게 설명되어 있지만 이 모든 것이 왜 그리고 무엇에 관한 것인지 완전히 이해할 수 없습니다. 실제 예가 없는 정보일 뿐입니다.
가중치, 뉴런, 입력 및 출력, 은닉, 시냅스... 값은 1과 0 사이여야 합니다. 왜 이런 식이고 그렇지 않은가요?
non-double 데이터와 0과 1의 범위를 넘어서는 네트워크를 훈련시키는 방법은 무엇입니까? 레이어를 선언하는 방법? 뉴런 수를 설정하는 방법은 무엇입니까? 데이터를 업로드할 위치는 어디인가요?
요컨대, 나는 아무것도 이해하지 못할 때까지.Google 기능 활성화 및 정규화 신경망
예 https://www.mql5.com/en/forum/5010#comment_329221 및 alglib https://www.mql5.com/en/forum/8265/page2#comment_333746
그러나 당신은 여전히 적어도 책을 읽을 필요가 있습니다. 과학적 찌르는 방법은 작동하지 않습니다.
Google 기능 활성화 및 정규화 신경망
예 https://www.mql5.com/en/forum/5010#comment_329221 및 alglib https://www.mql5.com/en/forum/8265/page2#comment_333746
그러나 당신은 여전히 적어도 책을 읽을 필요가 있습니다. 과학적 찌르는 방법은 작동하지 않습니다.
확인. 스스로 생각하고 나서 책을 집어들고 싶다. )
이 기사에 따르면 네트워크 적용에는 분류, 예측 및 인식의 세 가지 영역이 있습니다. 그러면 가격 패턴을 인식할 때 OCHL 데이터가 아니라 차트 스크린샷을 사용해야 한다는 것이 밝혀졌습니다. 패턴 인식이 작동합니다 .
그러면 가격 패턴을 인식할 때 OCHL 데이터가 아니라 차트 스크린샷을 사용해야 한다는 것이 밝혀졌습니다. 패턴 인식이 작동합니다.
미소! )))
화면이란 무엇입니까?
OHLC는 무엇입니까?
기계 보기에서!
미소! )))
화면이란 무엇입니까?
OHLC는 무엇입니까?
기계 보기에서!
글에서 이 세 가지 네트워크 응용 분야는 분리되어 있습니다. 가격 데이터로 인식하는 것과 색상 데이터로 인식하는 것입니다. 모두 동일하고 완전히 다른 접근 방식과 메커니즘.
추신. 가격 패턴은 본질적으로 수학적인 것이 아니라 그래픽적인 것입니다. 사람이 수학적으로 그들을 인식하려고 시도하면 정지하지만 그래픽으로 쉽게 나타납니다.