交易中的机器学习:理论、模型、实践和算法交易 - 页 244 1...237238239240241242243244245246247248249250251...3399 新评论 toxic 2016.12.07 13:02 #2431 ivanivan_11: 嘿嘿。你是如何被误导的。https://nplus1.ru/news/2016/11/03/glasses这是深度神经网络的 一个相当奇特的特征,记者们喜欢糟蹋这样的跳蚤,就像神经网络混淆黑人和大猩猩的笑话一样,但这在统计学上没有意义,重要的是只有用MO,你才能从市场上得到任何东西,更多的随机性,此外专门用于像市场上有这么多噪音的时间序列束,神经网络不是最佳选择。 Andrey Dik 2016.12.07 13:27 #2432 它确实如此。 不是胡说八道,这是我们唯一的东西。TA也是ME,只是一种非常低效、亵渎的形式。 PS:天气可以相当准确地预测未来几天的天气(70-80%),一个人化妆后的脸也可以像人一样被识别。当它被误用的时候,它就是狗屁,我在帖子中解释了为什么它是狗屁。而且我并不反对MO工具本身,它们是人工智能和信息处理方面的未来。你看过电视节目 "Spot on "吗?外观改造并不只限于方形眼镜。你可以说,市场的行为是这样的,它是无法识别的,它99%的时间都是成功的。 Реter Konow 2016.12.07 13:36 #2433 安德烈-迪克如果应用不正确,就是胡说八道,我在帖子中解释了为什么是胡说八道。而且我并不反对MO工具本身,它们是人工智能和信息处理方面的未来。你看过电视节目 "Spot on "吗?改变外观并不仅仅限于方形眼镜。然而,大多数时候,陪审团都能准确地认出化妆的演员。 我想知道人类的模式识别在哪里优于机器模式识别。人脑是一个更先进的神经网络吗?更多可追踪的参数?更广泛的经验基础?是否有可能使现代计算机达到这个水平,或者硬件限制会阻止它? Реter Konow 2016.12.07 13:47 #2434 如果我们认为 "趾高气扬 "的节目,那么。 1.不熟悉演讲者的参与者不能认出任何人,但明确地都能认出化妆的人,并将他们与nagrimirovannymi区分开来。 因此,需要两种经验来准确识别化妆的人。a) 在不化妆的情况下感知人脸的经验。b) 在化妆中感知人脸的经验。2.为了识别说话者,人们需要第三种经验:对参与者的脸和其他生理参数的了解。一个人不仅需要对外表的了解,还需要对动作、声调、举止、行动的了解。我可以得出结论:如果一台机器经过训练能够识别所有这些参数,它也可以参加陪审团)。 toxic 2016.12.07 13:54 #2435 安德烈-迪克如果应用不正确,就是胡说八道,我在帖子中解释了为什么是胡说八道。而且我并不反对MO工具本身,它们是人工智能和信息处理方面的未来。你看过电视节目 "Spot on "吗?外观改造并不只限于方形眼镜。你可能会说,市场的行为是无法识别的,它在99%的时间里都是成功的。 在这种情况下,你是对的,但我不会把它表述为 "对/错",这个问题是关于 掌握 在微妙之处,MO的应用,对于相当复杂的数据,有很多的噪音。以numer.ai为例,大多数人的数值大于0.69,包括我在内,这是54-55%的年龄,但也有一些人的数值小于0.6,这意味着大约70%的年龄,不确定他们的行为是否 "正确",我的意思是使用标准手段。 Andrey Dik 2016.12.07 13:57 #2436 Retrog Konow:然而,在大多数情况下,陪审团会准确地识别出化妆的演员。 我想知道人类的模式识别是如何优于机器模式识别的。人脑是一个更先进的神经网络吗?更多可追踪的参数?更广泛的经验基础?是否有可能使现代计算机达到这个水平,或者硬件限制会阻止它?在大多数情况下,参与者的目标根本不是让人认不出来,目标是要像所选的图像。但这只是一个例子,说明一个人的外貌是可以改变的;如果你愿意,你可以完全改变你的外貌,甚至连你的母亲都认不出来,直到并包括改变指纹的配音手术和用捐赠的眼睛取代虹膜。市场是它变化的原因,而不是为了以不同的形象被认可。但是,对于外表被改变的人来说,什么是保持不变的?不变的是,他们仍然是人,这意味着他们有两条腿,两只胳膊等等,也就是人的标志仍然存在,没有改变。人类的一般行为不会改变,例如,他不会用猫的碗吃饭。也就是说,与其详述这些特征,不如概括这些特征,找出不变的特征并加以利用。 toxic 2016.12.07 14:04 #2437 安德烈-迪克在大多数情况下,参与者根本没有不被识别的目标,目标是看起来像所选的图像。但这只是一个例子,说明一个人的外貌是可以改变的;如果你愿意,你可以完全改变你的外貌,甚至连你的母亲都认不出来,直到并包括改变指纹的配音手术和用捐赠的眼睛取代你的虹膜。因此,市场正在发生变化,以便不被认可,不被以不同的形象认可。但是,对于外表被改变的人来说,什么是保持不变的?不变的是,他们仍然是人,这意味着他们有两条腿,两只胳膊等等,也就是人的标志仍然存在,没有改变。人的一般行为不会改变,例如,他不会用猫的碗吃饭。也就是说,与其详述这些特征,不如概括这些特征,找出不变的特征并加以利用。 你又一次说对了,在用MO进行的算法交易中,拥有数据和属性比分类本身更重要,所有那些用蜡烛图样进行的抽搐只不过是噪音而已。 Реter Konow 2016.12.07 14:08 #2438 安德烈-迪克在大多数情况下,参与者根本没有不被识别的目标,目标是看起来像所选的图像。但这只是一个例子,说明一个人的外貌是可以改变的;如果你愿意,你可以完全改变你的外貌,以至于连你的母亲都认不出来,直至包括声带手术改变指纹和用捐赠的眼睛取代你的虹膜。因此,市场正在发生变化,以便不被认可,不被以不同的形象认可。但是,对于外表被改变的人来说,什么是保持不变的?不变的是,他们仍然是人,这意味着他们有两条腿,两只胳膊等等,也就是人的标志仍然存在,没有改变。人的一般行为不会改变,例如,他不会用猫的碗吃饭。也就是说,与其详述这些特征,不如概括这些特征,找出不变的特征并加以利用。我认为我们的思考方向是正确的。我们只需要清楚地知道人类感知和机器感知之间的区别。人类的感知力在生命的过程中得到完善。人类在生活过程中接触到的一切事物都会丰富他们的经验。思考帮助他/她建立逻辑结构和抽象形象。 人的大脑神经元网具有巨大的学习和发展潜力。2.机器在本质上是依赖于创造者的。 3.其经验是在其内部投入的,仅限于一个特定领域。4.该机器受到其硬件限制的制约。这也限制了它的经验。 我认为训练现代神经元组就像训练一只昆虫--工作很多,但用处不大。然而,也许如果我们改变方法或制造更先进的计算机,情况会更好。 Andrey Dik 2016.12.07 14:12 #2439 标签 Konow:我认为我们正朝着正确的方向前进。你只需要清楚地知道人类感知和机器感知之间的区别。1.人类的感知力在整个生命中得到完善。人类在生活过程中接触到的一切事物都会丰富他们的经验。思考帮助他/她建立逻辑结构和抽象形象。人的大脑神经元网具有巨大的学习和发展潜力。2.机器在本质上是依赖于创造者的。 3.其经验是在其内部投入的,仅限于一个特定领域。4.该机器受到其硬件限制的制约。这也限制了它的经验。我认为训练一个现代神经网络就像训练一只昆虫一样--工作很多,但用处不大。但也许如果我们改变方法或制造更先进的计算机,情况会更好。 我说简化和概括,而你说复杂和详细。为什么要努力符合人类的认知?如果人工交易员在20年前通过阅读行情来输钱,而现在他们使用技术分析和MOD仍然在输钱,那么人类的感知在市场上有什么用呢? Реter Konow 2016.12.07 14:24 #2440 安德烈-迪克 我说我们应该简化、概括,而你说我们应该复杂化、详细化。我们为什么要努力符合人类的认知?人的感知在市场上有多大用处,如果手工交易员在20年前通过阅读行情而失去利润,而他们现在使用技术分析和光学分析来做。让我们从逻辑上思考。要简化一件事,我们需要彻底了解这件事的复杂性。要知道它的结构。我认为这个过程是一个复杂化、细节化和简单化的过程。因此,每一个发展周期都是如此。提高到一个新的和新的水平。 机器学习是自动交易商手中的一个工具,而这个工具在任何情况下都必须得到改进。 至于神经网络市场预测 的有效性--那是值得商榷的。我认为只要方法正确,就能获得效率。 1...237238239240241242243244245246247248249250251...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
嘿嘿。你是如何被误导的。
https://nplus1.ru/news/2016/11/03/glasses
这是深度神经网络的 一个相当奇特的特征,记者们喜欢糟蹋这样的跳蚤,就像神经网络混淆黑人和大猩猩的笑话一样,但这在统计学上没有意义,重要的是只有用MO,你才能从市场上得到任何东西,更多的随机性,此外专门用于像市场上有这么多噪音的时间序列束,神经网络不是最佳选择。
不是胡说八道,这是我们唯一的东西。TA也是ME,只是一种非常低效、亵渎的形式。
PS:天气可以相当准确地预测未来几天的天气(70-80%),一个人化妆后的脸也可以像人一样被识别。
当它被误用的时候,它就是狗屁,我在帖子中解释了为什么它是狗屁。而且我并不反对MO工具本身,它们是人工智能和信息处理方面的未来。
你看过电视节目 "Spot on "吗?外观改造并不只限于方形眼镜。你可以说,市场的行为是这样的,它是无法识别的,它99%的时间都是成功的。
如果应用不正确,就是胡说八道,我在帖子中解释了为什么是胡说八道。而且我并不反对MO工具本身,它们是人工智能和信息处理方面的未来。
你看过电视节目 "Spot on "吗?改变外观并不仅仅限于方形眼镜。
然而,大多数时候,陪审团都能准确地认出化妆的演员。
我想知道人类的模式识别在哪里优于机器模式识别。人脑是一个更先进的神经网络吗?更多可追踪的参数?更广泛的经验基础?
是否有可能使现代计算机达到这个水平,或者硬件限制会阻止它?
如果我们认为 "趾高气扬 "的节目,那么。
1.不熟悉演讲者的参与者不能认出任何人,但明确地都能认出化妆的人,并将他们与nagrimirovannymi区分开来。
因此,需要两种经验来准确识别化妆的人。
a) 在不化妆的情况下感知人脸的经验。
b) 在化妆中感知人脸的经验。
2.为了识别说话者,人们需要第三种经验:对参与者的脸和其他生理参数的了解。一个人不仅需要对外表的了解,还需要对动作、声调、举止、行动的了解。
我可以得出结论:如果一台机器经过训练能够识别所有这些参数,它也可以参加陪审团)。
如果应用不正确,就是胡说八道,我在帖子中解释了为什么是胡说八道。而且我并不反对MO工具本身,它们是人工智能和信息处理方面的未来。
你看过电视节目 "Spot on "吗?外观改造并不只限于方形眼镜。你可能会说,市场的行为是无法识别的,它在99%的时间里都是成功的。
在这种情况下,你是对的,但我不会把它表述为 "对/错",这个问题是关于 掌握 在微妙之处,MO的应用,对于相当复杂的数据,有很多的噪音。以numer.ai为例,大多数人的数值大于0.69,包括我在内,这是54-55%的年龄,但也有一些人的数值小于0.6,这意味着大约70%的年龄,不确定他们的行为是否 "正确",我的意思是使用标准手段。
然而,在大多数情况下,陪审团会准确地识别出化妆的演员。
我想知道人类的模式识别是如何优于机器模式识别的。人脑是一个更先进的神经网络吗?更多可追踪的参数?更广泛的经验基础?
是否有可能使现代计算机达到这个水平,或者硬件限制会阻止它?
在大多数情况下,参与者的目标根本不是让人认不出来,目标是要像所选的图像。但这只是一个例子,说明一个人的外貌是可以改变的;如果你愿意,你可以完全改变你的外貌,甚至连你的母亲都认不出来,直到并包括改变指纹的配音手术和用捐赠的眼睛取代虹膜。市场是它变化的原因,而不是为了以不同的形象被认可。
但是,对于外表被改变的人来说,什么是保持不变的?不变的是,他们仍然是人,这意味着他们有两条腿,两只胳膊等等,也就是人的标志仍然存在,没有改变。人类的一般行为不会改变,例如,他不会用猫的碗吃饭。
也就是说,与其详述这些特征,不如概括这些特征,找出不变的特征并加以利用。
在大多数情况下,参与者根本没有不被识别的目标,目标是看起来像所选的图像。但这只是一个例子,说明一个人的外貌是可以改变的;如果你愿意,你可以完全改变你的外貌,甚至连你的母亲都认不出来,直到并包括改变指纹的配音手术和用捐赠的眼睛取代你的虹膜。因此,市场正在发生变化,以便不被认可,不被以不同的形象认可。
但是,对于外表被改变的人来说,什么是保持不变的?不变的是,他们仍然是人,这意味着他们有两条腿,两只胳膊等等,也就是人的标志仍然存在,没有改变。人的一般行为不会改变,例如,他不会用猫的碗吃饭。
也就是说,与其详述这些特征,不如概括这些特征,找出不变的特征并加以利用。
你又一次说对了,在用MO进行的算法交易中,拥有数据和属性比分类本身更重要,所有那些用蜡烛图样进行的抽搐只不过是噪音而已。
在大多数情况下,参与者根本没有不被识别的目标,目标是看起来像所选的图像。但这只是一个例子,说明一个人的外貌是可以改变的;如果你愿意,你可以完全改变你的外貌,以至于连你的母亲都认不出来,直至包括声带手术改变指纹和用捐赠的眼睛取代你的虹膜。因此,市场正在发生变化,以便不被认可,不被以不同的形象认可。
但是,对于外表被改变的人来说,什么是保持不变的?不变的是,他们仍然是人,这意味着他们有两条腿,两只胳膊等等,也就是人的标志仍然存在,没有改变。人的一般行为不会改变,例如,他不会用猫的碗吃饭。
也就是说,与其详述这些特征,不如概括这些特征,找出不变的特征并加以利用。
我认为我们的思考方向是正确的。我们只需要清楚地知道人类感知和机器感知之间的区别。
人类的感知力在生命的过程中得到完善。人类在生活过程中接触到的一切事物都会丰富他们的经验。思考帮助他/她建立逻辑结构和抽象形象。 人的大脑神经元网具有巨大的学习和发展潜力。
2.机器在本质上是依赖于创造者的。
3.其经验是在其内部投入的,仅限于一个特定领域。
4.该机器受到其硬件限制的制约。这也限制了它的经验。
我认为训练现代神经元组就像训练一只昆虫--工作很多,但用处不大。然而,也许如果我们改变方法或制造更先进的计算机,情况会更好。我认为我们正朝着正确的方向前进。你只需要清楚地知道人类感知和机器感知之间的区别。
1.人类的感知力在整个生命中得到完善。人类在生活过程中接触到的一切事物都会丰富他们的经验。思考帮助他/她建立逻辑结构和抽象形象。人的大脑神经元网具有巨大的学习和发展潜力。
2.机器在本质上是依赖于创造者的。
3.其经验是在其内部投入的,仅限于一个特定领域。
4.该机器受到其硬件限制的制约。这也限制了它的经验。
我认为训练一个现代神经网络就像训练一只昆虫一样--工作很多,但用处不大。但也许如果我们改变方法或制造更先进的计算机,情况会更好。
我说我们应该简化、概括,而你说我们应该复杂化、详细化。我们为什么要努力符合人类的认知?人的感知在市场上有多大用处,如果手工交易员在20年前通过阅读行情而失去利润,而他们现在使用技术分析和光学分析来做。
让我们从逻辑上思考。
要简化一件事,我们需要彻底了解这件事的复杂性。要知道它的结构。我认为这个过程是一个复杂化、细节化和简单化的过程。因此,每一个发展周期都是如此。提高到一个新的和新的水平。
机器学习是自动交易商手中的一个工具,而这个工具在任何情况下都必须得到改进。
至于神经网络市场预测 的有效性--那是值得商榷的。我认为只要方法正确,就能获得效率。