Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1538
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
dtw, spektral analiz.. paket..
Ölçeklerinden bağımsız olarak aynı kalıpları görebilen bir algoritma oluşturmayı başardım, bir grafiğe bakan bu algoritma sadece bir grafiğe bakarak hem dakikalarda hem de haftalık grafikte kalıbı görecek ve gerçekten tahmin edebilecek, ama hala çok iş var
dtw ile ilgili bir şeyler okumaya başladım ama onu fin sıralarına nasıl uygulayacağımı ve neden buna ihtiyacım olduğunu anlamadım) ama konu ilginç, muhtemelen
dtw ile ilgili bir şeyler okumaya başladım ama onu fin sıralarına nasıl uygulayacağımı ve neden buna ihtiyacım olduğunu anlamadım) ama konu ilginç, muhtemelen
ses ve müzik dosyaları dtw kullanılarak sıkıştırılır ve bunlar da VR'dir.
;)
ses ve müzik dosyaları dtw kullanılarak sıkıştırılır ve bunlar da VR'dir.
;)
işte bu yüzden yüzgeci sıkıştır. sanal:)
işte bu yüzden yüzgeci sıkıştır. sanal:)
Eh, bu konuyu zaten inceledim, eğer kendi sözlerimle, o zaman şöyle bir şey:
burada, genel olarak, dtw'nin değeri nedir - bu, VR'yi sıkıştırmak için doğru algoritmadır - tam olarak VR ve her nasılsa ne değil ve verilerin nasıl olduğu umrumda değil
Peki, verileri nasıl düzgün bir şekilde sıkıştıracağımızı biliyorsak - paketler alıyor muyuz? Görüntüler? - peki, ya da veri kalıpları olsun - konuşma tanıma algoritmaları oluşturmanıza izin veren bu veri kalıplarıdır
dtw'nin nasıl kullanıldığını böyle görüyorum
Prensip olarak, dtw, dönüştürmeden sonra veri kaybı yoksa (yani, ters dönüştürme mümkünse) Fin.VR, IMHO'ya uygulanabilir, o zaman Fin.VR'ye başvurmaya çalışmak mantıklıdır, dedikleri gibi, ne olur?
Not: Birkaç yıl önce bir makale okudum https://habr.com/ru/post/135087/
Eh, bu konuyu zaten inceledim, eğer kendi sözlerimle, o zaman şöyle bir şey:
burada, genel olarak, dtw'nin değeri nedir - bu, VR'yi sıkıştırmak için doğru algoritmadır - tam olarak VR ve her nasılsa ne değil ve verilerin nasıl olduğu umrumda değil
Peki, verileri nasıl düzgün bir şekilde sıkıştıracağımızı biliyorsak - paketler alıyor muyuz? Görüntüler? - peki, ya da veri kalıpları olsun - konuşma tanıma algoritmaları oluşturmanıza izin veren bu veri kalıplarıdır
dtw'nin nasıl kullanıldığını böyle görüyorum
Prensip olarak, dtw, dönüştürmeden sonra veri kaybı yoksa (yani, ters dönüştürme mümkünse) Fin.VR, IMHO'ya uygulanabilir, o zaman Fin.VR'ye başvurmaya çalışmak mantıklıdır, dedikleri gibi, ne olur?
Not: Birkaç yıl önce bir makale okudum https://habr.com/ru/post/135087/
Eh, bir şekilde daha sonra almak mümkün olacak, evet. Aynı kalıpları mb dönüşlerinden çıkarmak için
Öte yandan, bir sinir ağı varsa ne içinÖte yandan, bir sinir ağı varsa ne için
oh, bilmiyorum, tüm bunların çalışmasını bıraktım, ilginç bir şey, ama IMHO, anlamalı ve anlamanın daha kolay yolları var mı? pazarda ne var
NS hakkında, iyi, veri işlemenin NS'nin konfigürasyonundan veya türünden daha önemli olduğunu biliyorsunuz, IMHO, dtw VR'nin doğru işlenmesidir (VR işlerken !!! ) veri dizisi önemlidir!
ses işlemede yaklaşık aynı dtw - bukaf'ın sırası / değişimi önemli mi? ;)
UPD:
NN'de eğitim sırasında yalnızca kayan bir VR verisi (çubuklar) penceresi beslenirse, o zaman IMHO, bu NN'nin girişleri aracılığıyla - tam olarak 1,2,3 ... N girişini nasıl çizdiğimiz bir yanılsamadır, NN, verilerin istediğimiz gibi sırayla beslendiğini algılayacak, tüm girdilerin içinde karıştırılacak, IMHO, bu Ulusal Meclis için kayan bir pencere olmayacak
oh, bilmiyorum, tüm bunların çalışmasını bıraktım, ilginç bir şey, ama IMHO, anlamalı ve anlamanın daha kolay yolları var mı? pazarda ne var
NS hakkında, iyi, veri işlemenin NS'nin konfigürasyonundan veya türünden daha önemli olduğunu biliyorsunuz, IMHO, dtw VR'nin doğru işlenmesidir (VR işlerken !!! ) veri dizisi önemlidir!
ses işlemede yaklaşık aynı dtw - bukaf'ın sırası / değişimi önemli mi? ;)
Bu konularda bilgili değil, bildiğim kadarıyla uzun süredir bunun için tekrarlayan ve ultra hassas sinir ağları kullanılıyor. Örneğin, Google'dan seq2seq algoritması. Bu arka plana karşı solgun görünmeyecek, boşuna sandalyedeki ruloları sıkmak istemem :)
Yinelenen ve ultra hassas olanlar hakkında okudum, evet, ama tüm örnekler, her zaman olduğu gibi, görüntü tanıma üzerinedir ve orada palet sıkıştırma ile üretim gibi numaralar başlatırlar.
kim bilir, ses dalgaları Fin.VR'ye resimlerden daha yakındır - aynı zamanda sabit değiller ve oradaki resimler, işleme sırasında bilgileri sıkıştırarak geri yüklemeye çalıştıklarından daha fazlasını kaybediyor gibi görünüyor - NS daha hızlı ve daha iyi öğreniyor gibi görünüyor
Yinelenen ve ultra hassas olanlar hakkında okudum, evet, ama tüm örnekler, her zaman olduğu gibi, görüntü tanıma üzerinedir ve orada palet sıkıştırma ile üretim gibi numaralar başlatırlar.
kim bilir, ses dalgaları Fin.VR'ye resimlerden daha yakındır - aynı zamanda sabit değiller ve oradaki resimler, işleme sırasında bilgileri sıkıştırarak geri yüklemeye çalıştıklarından daha fazlasını kaybediyor gibi görünüyor - NS daha hızlı ve daha iyi öğreniyor gibi görünüyor
NLP ve seq2seq görünümü, bu konuşma sesleri vb. içindir
genel olarak, malzemeyi tekrar okumama rağmen onlar hakkında hiçbir şey duymadım oh ne kadar! yarın bakarım teşekkürler