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
OK, Sergei, vamos devagar e com tristeza. Primeiro vamos lidar com os teoremas gerais. Aqui está o link. Ver os teoremas 24, 25, 26.
Nota: Th 24 trata da função de densidade da distribuição.
Mas Th 25 faz exatamente o que você precisa, e se trata da função de distribuição.
Veja também, por diversão, a conseqüência 8 de Th 26. A terceira fórmula da conseqüência é exatamente o que eu estava falando quando eu queria obter um gaussiano de um uniforme.
E para sua distribuição exponencial, basta obter sua função de distribuição (integral) e aplicar Th 25.
Obrigado, vou dar uma olhada.
Consegui - exatamente o que eu precisava! Vou estudá-lo.
O que você quer dizer com "arquitetura escalada arbitrariamente". Tanto quanto eu entendo, a arquitetura é a estrutura da rede. E o dimensionamento é o uso de alguma função de racionamento de dados. 100 entradas é muito. Ou seus 100 é algo mais?
Minha rede simplesmente se retrai a cada 24 horas. Eu não sei se isso é um mais ou um menos. Mas, até o momento, é divertido.
>> ótimo).
Repositório de aprendizagem de máquinas
Aqui está um link para as tarefas padrão. São normalmente usados para testar diferentes algoritmos, métodos de pré-processamento, etc.
Você também pode treiná-los, aprender a usar redes, ver com seus próprios olhos "O que é prognóstico ou classificação por meio de NS", ou melhor, que tipo de erros podem ser esperados das redes neurais, etc.
A descrição das tarefas está no mesmo lugar, acima...
Aqui está um pequeno exemplo de uma amostra de uma tarefa (OptDigits):
Valores de entrada:
000000000101100111111111111110000000
00000000011111111111111111110000
00000000011111111111111111110000
00000000011111111111111111111111111111110000
000000000111111111111100000000
000000000111111111111100000000000000000000
0000000111111111111110000000000
000000011111111111111000000
000000011111111111111000000
00000001111111111111111000000
0000000111111111111111110000
0000000111111111111111110000
0000000111111111111000000
0000000111111111111110000
000000011110000
00000001111111110000
0000000000000000000000000011111111110000
000000000000000000000000000111111111100000
000000000000000000000001111111100000
00000000000000000111111111100000
00000000000000001111111111110000
00000000001111111111111000000
0000000000111111111000000
000000000011111111111000000
00000000000111111111111000000
0000000000011111111110000000000
000000000011111110000000000
000000001111100000000000000
Saída: 5
Aqui está o link. Ver os teoremas 24, 25, 26.
Eu não entendi.
Vamos ver. À esquerda está a densidade de probabilidade para os preços de barras de minutos EURUSD abertas, à direita está a função de distribuição:
Agora para o link:
Suponha que eu queira obter uma constante de 1 da distribuição mostrada no primeiro figo. Então, não é difícil obter a seguinte identidade:
onde f(x) é a densidade de probabilidade da qual eu quero ir para igual, e g(x) é alguma função pela qual eu preciso multiplicar os dados de entrada para obter uma "prateleira". Então, e agora? Resolva esta equação diferencial... Eu não sei como.
Vamos continuar procurando.
Não vamos dizer nada sobre o segmento, não é importante. O que diz? Literalmente, que se eu tiver uma função de distribuição F(x) (fig. direita), então não custa nada para obter a "prateleira" desejada - pois isto é suficiente para influenciar os dados de entrada por este abridor... Mas isso é um absurdo! Na minha opinião, você não pode obter uma distribuição tão uniforme a partir da inicial. De qualquer forma, quem é bom em matemática de verdade. >> Ow!
Por enquanto, não diremos nada sobre a seção - não é essa a questão. O que está sendo discutido aqui? Literalmente, que se eu tiver uma função de distribuição F(x) (fig. direita), então não custa nada para obter a "prateleira" desejada - pois isto é suficiente para influenciar os dados de entrada por este abridor... Mas isso é um absurdo! Na minha opinião, você não pode obter uma distribuição tão uniforme a partir da inicial. De qualquer forma, quem é bom em matemática de verdade. Ow!
É isso mesmo, Sergei, é isso mesmo. Pegue este absurdo e verifique (ou melhor ainda, tente entender por que é exatamente assim). Gerar uma quantidade normalmente distribuída e influenciá-la com uma função gaussiana (integral). Basta lembrar de que as duas funções (a lei de distribuição integral e a segunda função) são absolutamente idênticas.
P.S. Não se preocupe com as densidades de distribuição e derivados. Para que você precisa deles? Isso seria a mesma coisa, somente do lado.
P.P.S. Sergei, bem, eu mesmo obtive um valor normalmente distribuído a partir de um valor uniforme, agindo sobre o primeiro com o inverso da função integral gaussiana. E agora vamos pegar e inverter os cálculos...
O que diabos vocês estão fazendo aqui... meu pobre cérebro...
SZS: A propósito, há muito tempo que queria perguntar - por que devemos considerar a função preço como contínua? e se ela for discreta?
Bem, Sergei, Mathemat está agora dizendo o que eu escrevi para você. Vamos ver por nós mesmos.
Aqui está a função de distribuição (empiricamente)
Então vamos construir um teórico (não me lembro, é chamado corretamente?) usando fórmula (1/OREN(6,2828))*EXP(-ABS(DIVISÃO(A1;2)/2))
O verde claro só precisa se aproximar perfeitamente do azul. Então você pode obter uma "prateleira" perfeita com a integral...
Aqui está uma visão da integral (sigmoid!!!)
Do meu ponto de vista, você deveria aproximar a função de distribuição empírica por coeficientes (não sei de que tipo) com a função teórica. Então estes coeficientes devem ser substituídos em sigmóide e a distribuição será igual após a passagem dos dados através do sigmóide.
Alexey, eu estou pensando corretamente? Talvez você possa sugerir algo sobre este assunto?
Bem, Sergei, Mathemat está agora dizendo o que eu escrevi para você. Agora vamos tentar ter certeza disso.
Vamos ter certeza.
Aqui está a função de distribuição (empiricamente)
Não, não é uma função de distribuição, é uma função de densidade de probabilidade (veja o link de Alexei).
O verde claro deve se aproximar perfeitamente do azul. Então você pode conseguir uma "prateleira" ideal com uma integral...
Aqui está uma visão da integral (sigmoid!!!)
Não é um sigmóide, para ser preciso - é um integrante de um gaussiano com um limite superior variável - erf(x) é uma função tabelada.
Eu vejo o problema da seguinte forma: eu deveria aproximar uma função de distribuição empírica por coeficientes (não sei) com uma função teórica. Então estes coeficientes devem ser substituídos em sigmóide, e depois que os dados forem passados por sigmóide, será uma distribuição uniforme.
Não há problemas de aproximação; eles começam quando não está claro o que fazer com a função de distribuição obtida erf(x). Era disto que eu estava falando acima.
Sim, de fato, eu estava errado com as definições (distribuição/densidade de distribuição)...
O que fazer com erf() - Não sei.
Aqui está um sigmóide regular e seus derivados. Por que sigmoid? - Simplesmente porque sigmoid não é erf(x). :)
Agora pegue dados, construa coeficientes empíricos, selecione os coeficientes A e B, para que as densidades coincidam. O gráfico também é o integrante.
Agora, nós substituímos os coeficientes encontrados no integral e calculamos.
Isso é o que conseguimos:
Agora precisamos "encaixar" tudo teoricamente, porque eu o fiz mais por intuição do que por conhecimento teórico.
Pergunta para todos os especialistas - Como posso encontrar os coeficientes A e B? Talvez A e B não sejam necessárias, existem algumas outras formas de leis de distribuição de registros, etc.?
Ou talvez seja tudo mentira e não possa ser feito dessa maneira?