Bir sinir ağı kullanarak rastgele bir desen arayın - sayfa 6

Yeni yorum
 
Peter, ağlara aşina olduktan sonra, evrişimli ağlara bir göz atın.
 
Реter Konow :

Fiyat verileriyle tanımak başka, renk verileriyle tanımak başka. Hepsi aynı, tamamen farklı yaklaşımlar ve mekanizmalar.

Bir PC için grafiklerin renk şemasında bir anlam olduğunu düşünüyor musunuz? )))

tamam vazgeçiyorum yoksa beni güldürürsün)))

NS için ve aslında bir PC ile herhangi bir etkileşim algoritması için, tüm veriler diziler şeklinde sunulacaktır (burada bellek veya diziler önemli değildir)

ve NN'yi OHLC dizileriyle eğiteceğinizi, ekran görüntüsü bit maskesi dizileriyle - hiçbir fark yaratmadığını,

..... burada makine öğreniminde veri ve konfigürasyon ve sinir ağı türünün önemli olabileceği belirli bir "hile" olmasına rağmen - ama burada daha fazla rastgelelik kuralı;)

 
Igor Makanu :

Bir PC için grafiklerin renk şemasında bir anlam olduğunu düşünüyor musunuz? )))

tamam vazgeçiyorum yoksa beni güldürürsün)))

NS için ve aslında bir PC ile herhangi bir etkileşim algoritması için, tüm veriler diziler şeklinde sunulacaktır (burada bellek veya diziler önemli değildir)

ve NN'yi OHLC dizileriyle eğiteceğinizi, ekran görüntüsü bit maskesi dizileriyle - hiçbir fark yaratmadığını,

..... burada makine öğreniminde veri ve konfigürasyon ve sinir ağı türünün önemli olabileceği belirli bir "hile" olmasına rağmen - ama burada daha fazla rastgelelik kuralı;)

Şüphesiz sen MO'da benden daha çok anlıyorsun ama mantıksal bir tutarsızlık var. OCHL verileri ve desen ekran verileri, bilgisayar düzeyinde temelde farklı verilerdir. Fiyat durumunda çift, renk durumunda ise uinttir. OCHL durumunda, çubukların fiyat parametrelerinin değerlerinin oranını ve resim söz konusu olduğunda, istenen görüntüye karşılık gelen oranı analiz etmek gerekir. OCHL verileriyle öğrenmek, grafiksel değil (tabii ki, aynı zamanda ağ için sayılardır) sayısal modeller aramakla ilgilidir. Ve grafik desenlerde eğitim tamamen farklı bir malzeme ve yöntem kullanır. Belki de bir sayı düzeni aracılığıyla bir grafik düzeni aramak yanlıştır . Bunların öğrenme ve tanıma için farklı yaklaşımlar olduğunu düşünüyorum.
 
Aliaksandr Hryshyn :
Peter, ağlara aşina olduktan sonra, evrişimli ağlara bir göz atın.
Bir bakacağım.
 

Tanrının annesi!


 
Ve bir model için OCHL verilerinin miktarı ~ 10 veya 100 sayı ve bir grafik görüntü için ~ 300 * 300 piksel renk değerleridir .
 
Dmitry Fedoseev :

Tanrının annesi!


Alnına bu kadar çok vurma, herkes hata yapar.))
 
Реter Konow :
Alnına bu kadar çok vurma, herkes hata yapar.))

Ama herkes o kadar inatçı değil.

 
Igor Makanu :

ne yazık ki, tamir edemezsin!

bilgisayar neyi işleyeceğini umursamıyor - sonunda, kendisine ne verildiğini bile bilmiyor, bir resim bile, nükleer bombalarla ilgili veriler bile, hatta OHLS ... onlar da Afrika'daki sayılar!

PC'de akıllı hiçbir şey olmadığını başka nasıl açıklayacağımı bile bilmiyorum - aptal bir demir parçası, algoritmaya ne verirseniz, algoritmada işlenir!

yani açıklanmış mı?

))))

Sizce Millet Meclisi öyle bir "sihirli değnek" ki, ne verirseniz verin, her zaman ihtiyacınız olanı mı alıyorsunuz? Hangi veri olursa olsun, ne kadar büyük olursa olsun. Hepsi numara...

O zaman anlamıyorum, kalıpları bulan algoritma nerede? Bu "her şeye kadir" Ulusal Meclis nerede? Çok uzun süredir ML üzerinde çalışıyorlar, ancak MT'nin cephaneliğinde hala bu "kalıp tanıyıcı" yok.

 
Dmitry Fedoseev :

Ama herkes o kadar inatçı değil.

Bir uzman olarak, herhangi bir çizelge ve zaman diliminde en az 5 kalıbı tanıyan bir NN yapabilir misiniz?
12345678910
Yeni yorum