交易中的机器学习:理论、模型、实践和算法交易 - 页 2250 1...224322442245224622472248224922502251225222532254225522562257...3399 新评论 Rorschach 2020.12.18 16:02 #22491 mytarmailS: 读到一半,笑着停在了这里随机数。使用这些权重的神经网络可能有正确的输入-输出关系, 但为什么 这些实用的权重能发挥作用仍然是一个谜。 神经网络的这种神秘属性 ,这也是许多科学家和工程师避开它们的原因。想想计算机叛徒所宣传的所有科学虚构。 我认为作者离NS非常遥远,甚至比我还要遥远)) 这本书是97年的,关于tsos。在33章中,只有这一章是关于网的。传统的智慧是,网络是黑匣子。毕竟,这是个翻译。 斜着读,相当有趣。 mytarmailS 2020.12.18 16:48 #22492 Rorschach: 根据tsos的说法,这本书是97年的。在33章中,只有这一章是关于网的。传统的看法是,网络是黑匣子。这毕竟是一种翻译。斜着读,相当有趣。 我读了... 我有一个想法,如果我做一个离散的余弦转换器,并使网选择那些系数,其总和将给出一个纯信号...... Renat Akhtyamov 2020.12.18 17:35 #22493 mytarmailS: 阅读...我有一个想法,如果我可以做一个离散余弦转换器,并使网络选择那些系数,其总和将给出一个干净的信号...... 我昨天试了一下。 结果与LPF相同,α+β=1,α或β小于0... 然后看图--哦,是的!这就是现实,很难一目了然。 然后比较两个FFT图--虚数部分和实数部分。 我们撕扯着我们的头发,邻居们听到一个多层的伴侣。 Rorschach 2020.12.18 18:03 #22494 mytarmailS: 阅读...这个想法诞生了,如果你做一个离散余弦转换器,并让网络选择那些系数,其总和将给出一个干净的信号。 找到不受特定台阶约束的频率,并在窗口转移后尽可能地保持这些频率,将是很有趣的事情。 mytarmailS 2020.12.18 19:16 #22495 Rorschach: 在BPF中,频率是从定义的网格中选择的。 有趣的是,找到不受特定步骤约束的频率,并且在移动窗口时,这些频率尽可能地保留。 有可能找到它们,不需要NS,但它们(频率)在未来将不起作用...... 但你可以尝试使信号 "纯净",只留下几个重要的谐波。 mytarmailS 2020.12.19 12:27 #22496 我实现了我长期以来的愿望,即创建一个TS,其参数将由神经网络控制 最后做了一个简单的TS。两个轮子,由轮子的交叉点输入,而轮子的周期由一个神经元控制... 我获得了一个自适应滤波器)) 第一个图表 是价格 第二个是由神经元控制的珠子周期 第三个余额 训练:Neuronka被训练为管理周期,以便获得最大的利润。 我马上告诉你这是一个跟踪,没有任何佣金... 经文的价值在于为新的更复杂的任务创造经验... Maxim Dmitrievsky 2020.12.19 13:03 #22497 酷,而且我正在生成数字。 然后是时间序列。 mytarmailS 2020.12.19 13:19 #22498 Maxim Dmitrievsky: 酷,而且我正在生成数字。然后是时间序列。 产生的利润要学习)))))) Maxim Dmitrievsky 2020.12.19 13:45 #22499 mytarmailS: 创利必须要教)))))) 然后是利润。 你问我如何用模式生成系列......这就是我正在做的。 但这是一个多步骤的过程。 Maxim Dmitrievsky 2020.12.19 13:55 #22500 mytarmailS: 我不知道如何实现它....,也许有一个更简单的方法...我想创建一个网络,将市场报价 作为输入,输出一个更 "可预测 "的系列但我需要一个衡量 "可预测性 "的标准 将该系列映射到一个不同的空间(分布),其中预测性更强的部分更接近平均值 编码员。 比方说,以100-500个为一批,贴上标签。然后你从解码器上拉出分配的顶部,对它进行采样。 然后,从条件解码器中,你取类的顶端,为其定义最低的熵。嗯,这有点像武士的方式。 为什么你会得到最可预测的? 这是因为 1...224322442245224622472248224922502251225222532254225522562257...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
读到一半,笑着停在了这里
随机数。使用这些权重的神经网络可能有正确的输入-输出关系, 但为什么 这些实用的权重能发挥作用仍然是一个谜。 神经网络的这种神秘属性 ,这也是许多科学家和工程师避开它们的原因。想想计算机叛徒所宣传的所有科学虚构。
我认为作者离NS非常遥远,甚至比我还要遥远))
这本书是97年的,关于tsos。在33章中,只有这一章是关于网的。传统的智慧是,网络是黑匣子。毕竟,这是个翻译。
斜着读,相当有趣。
根据tsos的说法,这本书是97年的。在33章中,只有这一章是关于网的。传统的看法是,网络是黑匣子。这毕竟是一种翻译。
斜着读,相当有趣。
我读了...
我有一个想法,如果我做一个离散的余弦转换器,并使网选择那些系数,其总和将给出一个纯信号......
阅读...
我有一个想法,如果我可以做一个离散余弦转换器,并使网络选择那些系数,其总和将给出一个干净的信号......
我昨天试了一下。
结果与LPF相同,α+β=1,α或β小于0...
然后看图--哦,是的!这就是现实,很难一目了然。
然后比较两个FFT图--虚数部分和实数部分。
我们撕扯着我们的头发,邻居们听到一个多层的伴侣。
阅读...
这个想法诞生了,如果你做一个离散余弦转换器,并让网络选择那些系数,其总和将给出一个干净的信号。
找到不受特定台阶约束的频率,并在窗口转移后尽可能地保持这些频率,将是很有趣的事情。
在BPF中,频率是从定义的网格中选择的。 有趣的是,找到不受特定步骤约束的频率,并且在移动窗口时,这些频率尽可能地保留。
有可能找到它们,不需要NS,但它们(频率)在未来将不起作用......
但你可以尝试使信号 "纯净",只留下几个重要的谐波。
我实现了我长期以来的愿望,即创建一个TS,其参数将由神经网络控制
最后做了一个简单的TS。两个轮子,由轮子的交叉点输入,而轮子的周期由一个神经元控制...
我获得了一个自适应滤波器))
第一个图表 是价格
第二个是由神经元控制的珠子周期
第三个余额
训练:Neuronka被训练为管理周期,以便获得最大的利润。
我马上告诉你这是一个跟踪,没有任何佣金...
经文的价值在于为新的更复杂的任务创造经验...
酷,而且我正在生成数字。
然后是时间序列。
酷,而且我正在生成数字。
然后是时间序列。
产生的利润要学习))))))
创利必须要教))))))
然后是利润。
你问我如何用模式生成系列......这就是我正在做的。
但这是一个多步骤的过程。
我不知道如何实现它....,也许有一个更简单的方法...
我想创建一个网络,将市场报价 作为输入,输出一个更 "可预测 "的系列
但我需要一个衡量 "可预测性 "的标准
将该系列映射到一个不同的空间(分布),其中预测性更强的部分更接近平均值
编码员。
比方说,以100-500个为一批,贴上标签。然后你从解码器上拉出分配的顶部,对它进行采样。
然后,从条件解码器中,你取类的顶端,为其定义最低的熵。嗯,这有点像武士的方式。
为什么你会得到最可预测的? 这是因为