交易中的机器学习：理论、模型、实践和算法交易 - 页 3399

新评论
 
mytarmailS #:

它们的通用性很好，因为它们是在数十亿个单词数据集上训练出来的，而我们有价格。

如果神经元被训练成会说话，那么你要训练它做什么呢？

而且你也无法训练你的价格神经元，因为你需要大量的可视化数据。


所以，要么是我什么都不知道，要么就是法学硕士跟这有什么关系？

沃龙佐夫在视频中说，你看了。关于基本模型的概念，从一个小时开始。

我问我的


 
Maxim Dmitrievsky #:

沃龙佐夫在视频中的讲话，你们已经看到了。关于基本模型的概念，从一点钟方向开始。

我想起来了

这是一个概念 任何信息都可以简化为一个向量 他说的是嵌入式模型 没错

但这只是一个概念，而 LLM 是根据文本嵌入训练出来的，仅此而已，它的整个结构都是训练出来的。

因此，如果你决定给它你自己的 OHLC 嵌入，什么也不会发生 )))


您需要在不同的嵌入式、不同的任务、不同的目标上从头开始训练它......同时，让它写文本、画图、说话等等......换句话说，就是多模态。

如果你想让一个会写文字的神经元去做 "OHLC"，那是行不通的。

 
mytarmailS #:

啊，看，我想起来了。

这是一个概念，任何信息都可以还原成一个矢量，他说的是 "嵌入"，对，没错。

但这只是一个概念，而 LLM 是根据文本嵌入训练出来的，仅此而已，它的整个结构都是根据文本嵌入训练出来的。

所以，如果你决定用 OHLC 给它赋予你自己的嵌入，什么也不会发生 )))

当模型将其一般 "知识 "转移到您的领域时，可能会发生知识提炼。我对此有点模糊，但大概是这样的。

它可以转化为数字、文本、图片甚至声音，也可以转化为程序代码。
 
Maxim Dmitrievsky #:

当模型将其一般 "知识 "转移到你的领域时，就会发生知识提炼。我对此有点模糊，但大概是这样的。

什么都不会发生。

想象一下，一个在某些数据上训练过的 PCA，这就是神经元的内核。

如果你向其中添加陌生数据，它就会变成神经元从未见过的孤立的点群，并且不知道该如何处理。

她不会转移知识，因为这个点群的坐标是她从未接触过的。

 
mytarmailS #:

什么都不会发生

想象一下在一些数据上训练的 PCA，这就是 Neira 的核心。

如果向其中添加陌生数据，它就会变成一个孤立的点簇，而 Neura 从未见过这些点，也不知道该如何处理。

她不会转移知识，因为这个点群的坐标是她从未接触过的。

现在每个人都是这样做的，根据任务来训练他们。我得找找例子。

你要更新模型的权重（链接），而不是添加新的点。
 
Maxim Dmitrievsky #:

现在每个人都这么做，为自己的任务训练他们。我得找找例子。

你是在更新模型的权重 而不是添加新的点

你不明白，我不打扰你了

 
mytarmailS #:

你不明白，我不打扰你了。

我懂，但它不是这么工作的它能把任何信息编码成语义向量 不管数据是什么性质的 都只是符号而已它已经知道所有这些符号，重要的是序列。

 
是的，你没有打断我，这只是一个在可预见的未来 "尝试 "的话题：)
1...33923393339433953396339733983399
新评论