Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2097
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
ahaha ))) a coroa dinamarquesa domina o euro )))
estava só a lembrar... ou burrito ou anchova... boruta, certo.
Estava só a lembrar-me... ou é burrito ou anchova... boruta, certo.
Não estou impressionado com isso.
este chapéu deve comprimir o espaço da característica para que os ns não se retraiam a nada, a nenhum ruído
O foguete faz o mesmo, mas sem uma rede neural e todos os núcleos são aleatórios. E então os melhores são escolhidos, por entropia ou o que quer que seja.
O problema com redes convolucionais é a selecção da arquitectura, por isso use modelos de prateleira, redes de descanso, etc.
Pergunta para os jornalistas, o que acontece no dia 4 ou 5 de cada mês?
Outra questão sobre andaimes, o objectivo pode ser definido como "maximização do lucro" em vez de partição ou regressão de classe?
O problema com redes convolucionais é a selecção da arquitectura, por isso use modelos fora da prateleira, como o restnet, etc.
Pronto para quê? Tens de fazer o teu, não é assim tão difícil... é mais difícil começar.
Pronto para quê? Tens de fazer o teu, não é assim tão difícil... é mais difícil começar.
Pré-treinado. As mais convolutivas são usadas para o reconhecimento de imagens. Cada camada destaca algumas características (listras, cantos), semelhantes ao cérebro. Você pode pegar uma rede pronta (que foi treinada em supercomputadores) e pré-treiná-la em seus exemplos.
Leia mais (do que o Nosso Reconhecedor de Imagem Aprendeu)Pré-treinado. As mais convolutivas são usadas para o reconhecimento de imagens. Cada camada destaca algumas características (listras, cantos), como no cérebro. Você pode pegar uma rede pronta (que foi treinada em supercomputadores) e pré-treiná-la usando seus exemplos.
Leia mais (do que o Nosso Reconhecedor de Imagem aprendeu)percebeste o que eu acabei de dizer? ) tomar uma rede treinada pela SEAL e treiná-la em incrementos?
esta eugenia é nova para mim.
este chapéu deve comprimir o espaço da característica para que os ns não se retraiam a nada, a nenhum ruído
O foguete faz o mesmo, mas sem uma rede neural e todos os núcleos são aleatórios. E então os melhores são escolhidos, por entropia ou o que quer que seja.
Experimenta, não sou bom nisso.
Outra questão sobre andaimes, é possível definir a meta como "maximização do lucro" em vez de se dividir em classes ou regressão?
A maximização do lucro é uma tarefa de optimização, existem outros algoritmos, genética, recozimento...
Forças é aprendizagem assistida por professores, você precisa de partição...
Como será que se encaixa?
percebeste o que eu sugeri? ) Pegar numa rede com formação SEAL e treiná-la em incrementos?
essa é a eugenia mais eugênica que eu já vi.
veja o link e role abaixo, você vai ter a idéia
veja o link e desça abaixo, você vai ter a idéia.