交易中的机器学习：理论、模型、实践和算法交易 - 页 1749

[Реter Konow]

马克西姆-德米特里耶夫斯基。

录制一个有解释的视频，太不清楚了

我的意思是，网络的 "加权 "语言，使它具有普遍性，它可以与任何数据类型 一起工作，（在将它们转换为 "权重 "之后）。而这就是统一（还原为一个单一的系统/形式）。

[mytarmailS]

要选择一种颜色的兰花...

不要告诉我有什么错误，我已经看了...找不到......希望我不会找到它))

[Реter Konow]

阿列克谢-尼古拉耶夫。

多维函数是一个普通的数学函数，其定义区域是一个多维空间。在NS的情况下，它是特征空间。

我想问你，作为一个数学家--你在学校到底有没有学过数学？）

我研究了它。但是，这与NS设备的本质有什么关系？

空间、特征、搜索，都不是本质，而是工作的一部分。作为句子中的单个词，它们不能表达意思，也不能回答问题。

[Реter Konow]

阿列克谢-尼古拉耶夫。

...

如果你理解的话，描述一下NS设备的本质。来自数学和物理学的术语本身并不足以描述运行机制和装置。

我记得我从书本上了解到汽车系统。好吧，由于本质的简明表述，这些系统被彻底描述了。

[Maxim Dmitrievsky]

标签 Konow:
我的意思是，网络的 "权重 "语言，使它具有普遍性，它可以与任何数据类型 一起工作，（在将它们转换为 "权重 "之后）。而这就是统一（还原为一个单一的系统/形式）。

数据没有被转化为权重，但每个实例都被加权，每个输入开始对最终结果产生不同的影响

人工神经元是一个纯粹的数学对象，不具有物理意义。

所以必须通过数学来理解

下载Heikin的书 "神经网络全套课程"。

[Maxim Dmitrievsky]

mytarmailS:

要选择一种颜色的兰花...

不要告诉我有什么错误，我已经看了...没有找到......希望我不会找到它)

不大的故事

什么是方法？

[Aleksey Nikolayev]

Konow注册。
学习过。但是，这与NS设备的本质有什么关系？

用数学术语来说，任何NS都是一个多维函数的参数族。一组权重是定义这种参数化的参数。学习是确定权重的具体数值，这相当于从原始参数族中选择一个特定的多维映射。

[Реter Konow]

马克西姆-德米特里耶夫斯基。

数据没有被转化为权重，但每个实例都被加权，每个输入开始对最终结果产生不同的影响

人工神经元是一个纯粹的数学对象，不具有物理意义。

所以你需要通过数学来理解它

下载海金的《神经网络完全教程》一书。

下载了，谢谢。

[mytarmailS]

马克西姆-德米特里耶夫斯基。

小历史

什么是方法？

1.光谱分析

2.适应性系统

3.预测

4.MO

5.在最后的两个假人 "DEMA"))))，用于信号的平滑。

[Valeriy Yastremskiy]

雷杰尔-科诺。
我还没有找到 "多变量函数 "的独立定义。有一个概率论的 "分布函数"，其中有一个 "多变量分布函数 "的观点，但没有提到MO技术。

显然，多维函数，如果它们与NS有任何关系，也远非其本质。可能是与一些技术上的细微差别的实施有关。而我，则是在努力理解其本质。

x=y+z，虽然是的，很奇怪的定义，如果参数多于1，那么它...而不是随心所欲。