交易中的机器学习：理论、模型、实践和算法交易 - 页 1538

新评论
 
mytarmailS:

dtw，频谱分析...一堆...

我设法创建了一个算法，知道如何看到相同的模式，无论其大小，也就是说，该算法只看一个图表，并在1分钟和周线 图上看到该模式，它可以做出真正的预测，但我仍有很多工作要做。

我已经开始阅读关于DTW的文章，但我不知道如何将其应用于芬兰的图表，也不知道我需要它做什么）但这是一个有趣的话题，我想

 
马克西姆-德米特里耶夫斯基。

我开始读一些关于DTW的东西，但不明白如何将其应用于金融行，以及为什么我需要它），但主题很有趣，我想

语音和音乐文件是用DTW压缩的，它们也是VR的。

;)

 
伊戈尔-马卡努。

语音和音乐文件是用DTW压缩的，而这些文件也是VR的。

;)

但为什么要用DTW压缩金融文件呢 :)

 
马克西姆-德米特里耶夫斯基。

但为什么要挤时间呢？）

我已经研究过这个问题，用我自己的话说，是这样的。

关于DTW 的事情是这样的--它是一种用于压缩BP的适当算法--BP，而不是任何数据--任何东西。

好吧，如果我们知道如何正确地压缩数据--我们会得到数据包吗？- 或者让它成为数据模式--正是这些数据模式使你能够创建语音识别算法

这就是我所看到的DTW 的使用方法。

原则上，你可以将 DTW应用于金融BP，我认为如果转换后没有数据损失（即反向转换是可能的），那么尝试将其应用于金融BP是有意义的，正如他们所说，但如果呢？

SZS: 几年前读过一篇文章https://habr.com/ru/post/135087/

 
伊戈尔-马卡努。

嗯，我已经研究过这个问题，用我自己的话说，是这样的。

这就是DTW 的价值--它是压缩BP的正确算法--正是BP，而不是任何数据。

好吧，如果我们知道如何正确地压缩数据--我们会得到数据包吗？- 或者让它成为数据模式--正是这些数据模式使你能够创建语音识别算法

这就是我所看到的DTW 的使用方法。

原则上，你可以将 DTW应用于金融BP，我认为如果转换后没有数据损失（即反向转换是可能的），那么尝试将其应用于金融BP是有意义的，就像他们说的那样，但如果呢？

SZS: 几年前读过一篇文章https://habr.com/ru/post/135087/

好吧，我们可以在以后的某个时候研究一下，是的。为了从返回的mb中提取相同的模式

另一方面，拥有一个神经网络是没有意义的
 
马克西姆-德米特里耶夫斯基。

另一方面，拥有一个神经网络是没有意义的。

我不知道，我放弃了研究这一切，这很有趣，但我认为，应该有更简单的方法来了解市场上的情况。

关于NS，你知道数据处理比配置或NS类型更重要，我认为，DTW是对BP的正确处理（当准确处理BP时！！！），数据的一致性才是最重要的

在语音处理中，大约有相同的dtw - 重要的是字母的一致性/顺序？;)


UPD。

如果在NS的训练中，只是简单地提供一个BP数据的滑动窗口（条形），那么，我认为，这是一个错觉，通过NS的输入 - 正是因为我们画了1,2,3...N的输入，NS将认为数据是按我们想要的顺序输入的，里面所有的输入将被混合起来，我认为，这将不是一个滑动窗口的NS

 
伊戈尔-马卡努。

我不知道，我放弃了研究这些东西，它很有趣，但我认为，应该有更简单的方法来了解市场上的情况。

关于NS，你知道DTW比配置或NS的类型更重要，我认为，DTW是对BP的正确处理（在处理BP时！！），数据的一致性才是最重要的！"。

在语音处理中，大约有相同的dtw - 重要的是字母的一致性/顺序？;)

对这些事情不了解，据我所知，递归和卷积神经网络已经使用了很长时间。例如，谷歌的seq2seq（神经语言处理）算法。在这种背景下，DTW不会显得很淡，我不想在椅子上不必要地挤压我的指关节 :)
 
马克西姆-德米特里耶夫斯基。
我对这些事情不了解，据我所知，递归和超精确的神经网络早已被用于此。例如，谷歌的seq2seq算法。 在这种背景下，DTW会不会看起来很淡，我可不想在椅子上捏着指关节做无谓的时间 :)

我读到了关于递归和超精确，好吧，就像它一样，但所有的例子都是关于图片识别的，在那里他们开始用调色板压缩的方式做一些技巧，比如产生

反馈在处理调色板方面非常好，数据在处理字体和位图方面非常有用，很难把它们都读出来。

 
伊戈尔-马卡努。

我读到了关于递归和超精确，好吧，就像它一样，但所有的例子都是关于图片识别的，在那里他们开始用调色板压缩的方式做一些技巧，比如产生

eeeeee heck，声波比图片更接近BP--也不是静止的，而图片在处理过程中似乎因压缩信息而损失更多，而不是试图恢复--这就像NS学习得更快、更好。

NLP和seq2seq，这些都是针对语音声音之类的。
 
马克西姆-德米特里耶夫斯基。
NLP和seq2seq，这些都是针对语音的，等等。

我完全没有听说过他们，虽然我读了很多材料！我明天会看看的，谢谢。

1...153115321533153415351536153715381539154015411542154315441545...3399
新评论