交易中的机器学习:理论、模型、实践和算法交易 - 页 1749 1...174217431744174517461747174817491750175117521753175417551756...3399 新评论 Реter Konow 2020.04.27 11:23 #17481 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 2020.04.27 11:23 #17482 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 2020.04.27 11:24 #17483 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 2020.04.27 11:30 #17484 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 2020.04.27 11:31 #17485 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 2020.04.27 11:34 #17486 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 2020.04.27 11:35 #17487 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 2020.04.27 11:38 #17488 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 2020.04.27 11:39 #17489 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 2020.04.27 11:39 #17490 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。 1...174217431744174517461747174817491750175117521753175417551756...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
录制一个有解释的视频,太不清楚了
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))
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"。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?
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。
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。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。
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。
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。