Метод Брауна-Робинсон является наиболее старым (1951 г.) алгоритмом итеративного решения минимаксных задач, представленных в виде платёжных матриц. При этом он является методом поиска решения с оппонентом и способностью авторедукции доминируемых строк и столбцов. Однако, ему присущи ряд недостатков: Несоответствие решения аксиоматике вектора...
实验很好，但如何在MT中使用其结果？我能否卸下模型并将其放入指标中，看看它在样本之外的区域如何工作????。
但免费版有每月1000笔交易的限制，也就是说，我不能在测试器中使用它，因为测试器中的交易会超过1000笔。这就是为什么有一个小插曲，我只是在处理它
快速估计模型和检查预测器--是的，然后在实时使用这个模型--是的，在策略测试器 中使用模型，通过请求者调用--昂贵，30卢布用于1000次调用服务器，例如在测试器中5分钟将是8000次调用，即240卢布用于测试器中一个月的5分钟运行。
这组数据最初是为Reshetov的分类器准备的吗？顺便说一下，应该为OpenCl改写成mql5，然后就可以快速计算了，这是件很酷的事情。
RNN能消化这么多数据吗？有现成的3-4个输入的例子，它们可以扩展到5-10个。而且要计算更多的东西是不现实的，因为要优化的参数数量=2N
现实上，我们需要在gpu上重写，你能做到吗？
现实上，我们需要在gpu上重写，你能做到吗？
不
我下周会重写）。
我下周会重写)
你又将如何优化它？你自己的计数器和你自己的遗传算法？不使用测试器优化器？
通过标准优化器，但NS将在gbu上进行训练，它在java中有另一个版本，我需要在mql5上重写它。
https://sites.google.com/site/libvmr/home/theory/method-brown-robinson-resetov
通过一个内部优化器，但NS将在gbu上进行训练
你将如何调整系数？对于10个输入，你需要1024个系数，这是不现实的。而且维度对于实际任务来说太小了。
阅读链接，在这个版本中，你不需要在优化器中选择系数。
核机器增加了维度，这是个棘手的系统。
因此，首先，模型在显卡上被训练，K值被保存，优化器只是选择停止和其他东西。
你如何选择系数？对于10个输入，你需要1024个系数，这是不现实的。而且维度对于实际任务来说太小了。
这是在雷舍托夫的RNN，即概率模型。
然后是米哈伊尔使用的jPredictor。Reshetov的神经元，它有大量的输入和某种训练而不是梯度下降。