당신이 보기에, 국회는 당신이 무엇을 주든 항상 당신이 필요로 하는 것을 얻는 그런 "마술 지팡이"입니까? 데이터의 종류는 중요하지 않고 볼륨이 중요하지 않습니다. 모두 동일하기 때문입니다. 이는 국회용 수치입니다.
그렇다면 가능한 모든 패턴을 찾는 알고리즘은 어디에 있는지 이해가 되지 않습니다. 이 "전능한" 국회는 어디에 있습니까? 그들은 ML을 오랫동안 연구해 왔지만 MT는 여전히 이 "패턴 인식기"를 무기고에 가지고 있지 않습니다.
내 생각에는 아니지만 NN은 알고리즘입니다.이 알고리즘이 NS라고 불렸다는 사실 ... 음, 업계에 필요합니다. 주요 문제는 정확히 데이터 준비에 있습니다. 문자 그대로 손으로 준비됩니다. 또는 거의 손으로
추신: 예측 시스템이 있고 자가 학습 알고리즘이 있습니다... 하지만 여전히 기본 제공 알고리즘에 따라 숫자로 작업하고 있으며 데이터베이스도 있지만 데이터 수집은 여전히 대부분 손으로 이루어집니다. YouTube를 참조하세요. Tesla, 당신은 많은 것을 배울 것입니다-고급 인식 기술에 대한 정보가 있습니다-읽고 싶지 않다면 모든 것이 엔지니어가 아닌 지적으로 수행되는 인기있는 비디오에 도달하게 될 것이라고 생각합니다)))
Peter, 일반적으로 나는 당신의 공간적 추론을 탐구하고 싶지 않습니다. 나는 OOP의 주제를 기억합니다, 당신은 자신이 기본 소스를 거의 읽을 수 없으며 매트가 없으면 부분적으로, 당신과의 의사 소통은 내가 다시 한 번 할 것처럼 보일 것입니다 풍차와의 싸움 - 여기 감사합니다. 피곤합니다. 익숙하지 않은 사람들에게 존경을 표합니다. 음, 여기 무수정 학대가 사라졌습니다.
추신: 예측 시스템이 있고 자가 학습 알고리즘이 있습니다... 하지만 여전히 내장된 알고리즘에 따라 숫자로 작동하고 데이터베이스도 있지만 데이터 수집은 여전히 대부분 수작업으로 이루어집니다. Tesla에 대한 YouTube를 참조하세요. 당신은 많은 것을 배울 것입니다 - 고급 인식 기술에 대한 정보가 있습니다 - 읽고 싶지 않다면 모든 것이 엔지니어가 아닌 지적으로 수행되는 인기있는 비디오에 도달하게 될 것이라고 생각합니다.)))
내가 볼게요. 흥미롭네요. 그러나 나는 당신의 기사를 읽었으며 네트워크 응용 분야는 분명히 분리되어 있습니다. 분류, 예측, 인식. 우리는 인식에 대해 이야기하고 있으므로 데이터에는 "시각적" 특성이 있어야 합니다. 글쎄, 적어도 그것은 의미가 있습니다.
Peter, 일반적으로 나는 당신의 공간적 추론을 탐구하고 싶지 않습니다. 나는 OOP의 주제를 기억합니다, 당신은 자신이 기본 소스를 거의 읽을 수 없으며 매트가 없으면 부분적으로, 당신과의 의사 소통은 내가 다시 한 번 할 것처럼 보일 것입니다 풍차와의 싸움 - 여기 감사합니다. 피곤합니다. 익숙하지 않은 사람들에게 존경을 표합니다 .... 음, 여기 무수정 학대가 사라졌습니다.
)))
따라서 매트 부분이 설명됩니다. 나는 받아들일 것이다. 그리고 나서, 웃음, 일반적인 단어 ... 좋아, ATP와 이것에 대해.
당신이 보기에, 국회는 당신이 무엇을 주든 항상 당신이 필요로 하는 것을 얻는 그런 "마술 지팡이"입니까? 데이터의 종류는 중요하지 않고 볼륨이 중요하지 않습니다. 모두 동일하기 때문입니다. 이는 국회용 수치입니다.
그렇다면 가능한 모든 패턴을 찾는 알고리즘은 어디에 있는지 이해가 되지 않습니다. 이 "전능한" 국회는 어디에 있습니까? 그들은 ML을 오랫동안 연구해 왔지만 MT는 여전히 이 "패턴 인식기"를 무기고에 가지고 있지 않습니다.
내 생각에는 아니지만 NN은 알고리즘입니다.이 알고리즘이 NS라고 불렸다는 사실 ... 음, 업계에 필요합니다. 주요 문제는 정확히 데이터 준비에 있습니다. 문자 그대로 손으로 준비됩니다. 또는 거의 손으로
추신: 예측 시스템이 있고 자가 학습 알고리즘이 있습니다... 하지만 여전히 기본 제공 알고리즘에 따라 숫자로 작업하고 있으며 데이터베이스도 있지만 데이터 수집은 여전히 대부분 손으로 이루어집니다. YouTube를 참조하세요. Tesla, 당신은 많은 것을 배울 것입니다-고급 인식 기술에 대한 정보가 있습니다-읽고 싶지 않다면 모든 것이 엔지니어가 아닌 지적으로 수행되는 인기있는 비디오에 도달하게 될 것이라고 생각합니다)))
내 생각에는 아니지만 NN은 알고리즘입니다.이 알고리즘이 NS라고 불렸다는 사실 ... 음, 업계에 필요합니다. 주요 문제는 정확히 데이터 준비에 있습니다. 문자 그대로 손으로 준비됩니다. 또는 거의 손으로
Peter, 일반적으로 나는 당신의 공간적 추론을 탐구하고 싶지 않습니다. 나는 OOP의 주제를 기억합니다, 당신은 자신이 기본 소스를 거의 읽을 수 없으며 매트가 없으면 부분적으로, 당신과의 의사 소통은 내가 다시 한 번 할 것처럼 보일 것입니다 풍차와의 싸움 - 여기 감사합니다. 피곤합니다. 익숙하지 않은 사람들에게 존경을 표합니다. 음, 여기 무수정 학대가 사라졌습니다.
)))
...
추신: 예측 시스템이 있고 자가 학습 알고리즘이 있습니다... 하지만 여전히 내장된 알고리즘에 따라 숫자로 작동하고 데이터베이스도 있지만 데이터 수집은 여전히 대부분 수작업으로 이루어집니다. Tesla에 대한 YouTube를 참조하세요. 당신은 많은 것을 배울 것입니다 - 고급 인식 기술에 대한 정보가 있습니다 - 읽고 싶지 않다면 모든 것이 엔지니어가 아닌 지적으로 수행되는 인기있는 비디오에 도달하게 될 것이라고 생각합니다.)))
내가 볼게요. 흥미롭네요. 그러나 나는 당신의 기사를 읽었으며 네트워크 응용 분야는 분명히 분리되어 있습니다. 분류, 예측, 인식. 우리는 인식에 대해 이야기하고 있으므로 데이터에는 "시각적" 특성이 있어야 합니다. 글쎄, 적어도 그것은 의미가 있습니다.
전문가로서 모든 차트와 시간대에서 최소 5개의 패턴을 인식하는 NN을 만들 수 있습니까?
어떤 차트와 기간은 전혀 중요하지 않습니다. 5 패턴은 작업, 지난 세기의 네트워크는 전체 알파벳을 인식했습니다.
Peter, 일반적으로 나는 당신의 공간적 추론을 탐구하고 싶지 않습니다. 나는 OOP의 주제를 기억합니다, 당신은 자신이 기본 소스를 거의 읽을 수 없으며 매트가 없으면 부분적으로, 당신과의 의사 소통은 내가 다시 한 번 할 것처럼 보일 것입니다 풍차와의 싸움 - 여기 감사합니다. 피곤합니다. 익숙하지 않은 사람들에게 존경을 표합니다 .... 음, 여기 무수정 학대가 사라졌습니다.
)))
어떤 차트와 기간은 전혀 중요하지 않습니다. 5 패턴은 작업, 지난 세기의 네트워크는 전체 알파벳을 인식했습니다.
따라서 매트 부분이 설명됩니다. 나는 받아들일 것이다. 그리고 나서, 웃음, 일반적인 단어 ... 좋아, ATP와 이것에 대해.
어떻게 가르쳐야 할지 모르겠어, 링크 - 네, 이미 구글 전체를 찾았습니다, Habr, 순수한 제로 수준에서 프로 수준까지, 국회에 기사가 있습니다
하지만 내가 위에서 쓴 것처럼 아무 책이나 다운로드하세요 - NN에 대한 다음 책은 반 이상 동안 첫 번째 책을 반복할 것입니다. 아아, 이것이 NN에 대한 자료에 대한 설명이 배열되는 방식입니다. 어떤 유형의 NN을 사용할지와 데이터 준비에 달려 있습니다.
제가 그렇게 썼고, 그렇습니다. 보기의 초점을 조정하여 모양을 일관되게 식별합니다. 그건 그렇고, 사람도 정보로 작동합니다. 지속적으로 의미를 추상화하고 자세히 설명합니다.
아니, 전혀. 남자는 중요한 것을 잡는다. 튀어나온 것이 있습니다.
신경망은 아마도 오랫동안 모든 패턴을 인식했을 것입니다.
아니요. 나는 다른 방식으로 그들을 인식합니다.