交易中的机器学习:理论、模型、实践和算法交易 - 页 530 1...523524525526527528529530531532533534535536537...3399 新评论 Ivan Negreshniy 2017.11.23 21:58 #5291 马克西姆-德米特里耶夫斯基。假设我们有一个或多或少固定的BP,并有其频率分解。问题:对模型来说,什么更好--1个特征或5个,为什么? 如果你碰巧有这样的分解,而且是正确的、可逆的,那么增加模型的特征数量只会有好处,并增加其灵活性,最主要的是MO工具不会失败,顺便说一下现在有新的、先进的神经网络,使深度学习在速度上取得了数量级的成绩。 Maxim Dmitrievsky 2017.11.24 04:23 #5292 Ivan Negreshniy: 好吧,如果你碰巧有这样的分解,并且它是正确的和可逆的,那么增加模型的特征数量只是有益的,并增加其灵活性,最主要的是MO工具不会失败,顺便说一下,有新的、先进的神经网络,使深度学习在速度上取得数量级的成绩。好的+最嘈杂的元素被移除。ns是什么,叫什么名字? 还有xgboost 呢,他们也做吗?) Alexander Ivanov 2017.11.24 06:20 #5293 有水训练.....,以 "记住 "它并自行漏出。 Ivan Negreshniy 2017.11.24 08:05 #5294 马克西姆-德米特里耶夫斯基。 嗯+最嘈杂的元素已经被移除。ns是什么,它们叫什么? 还有xgboost呢,他们也做这个吗?) 这是一个新的但鲜为人知的n网络架构,没有任何梯度下降,一切都像上述同志的大脑一样原始简单)。 Maxim Dmitrievsky 2017.11.24 08:18 #5295 伊万-内格雷什尼。 这是一个新的但鲜为人知的n网络架构,没有任何梯度下降,一切都很原始简单,就像上述同志的大脑)。我在哪里读到的? 我甚至找不到任何东西来谷歌。这里有所有的选项https://tproger.ru/translations/neural-network-zoo-2/ Разнообразие нейронных сетей. Часть вторая. Продвинутые конфигурации 2016.10.13tproger.ru В первой части мы разобрались с базовыми, не очень сложными видами архитектур искусственных нейронных сетей. Настало время закончить начатое. Ivan Negreshniy 2017.11.24 08:56 #5296 马克西姆-德米特里耶夫斯基。 我在哪里读到的? 我甚至找不到任何东西来谷歌。这里有所有的选项https://tproger.ru/translations/neural-network-zoo-2/公共领域中关于它的文字不多,但研究正在进行中https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra Renat Akhtyamov 2017.11.24 10:13 #5297 尤里-阿索连科。 我想白天会更好。从模型和初步调试运行来看。但 现在 说什么都还为时过早,当然。 进展如何? Yuriy Asaulenko 2017.11.24 10:45 #5298 雷纳特-阿赫蒂亚莫夫。 进展如何? 飞行是可以的。我将为真正的交易进行微调,但我还没有时间。 Dmitriy Skub 2017.11.24 10:53 #5299 伊万-内格雷什尼。公共领域中关于它的文字不多,但研究正在进行中https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra 某种童话故事的描述)虽然,它可能发生。实施,似乎不会在公共领域看到。 Maxim Dmitrievsky 2017.11.24 11:03 #5300 伊万-内格雷什尼。公共领域中关于它的文字不多,但研究正在进行中https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra啊,好吧,现在还没有图书馆......你不能自己写 ) 1...523524525526527528529530531532533534535536537...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
假设我们有一个或多或少固定的BP,并有其频率分解。问题:对模型来说,什么更好--1个特征或5个,为什么?
好吧,如果你碰巧有这样的分解,并且它是正确的和可逆的,那么增加模型的特征数量只是有益的,并增加其灵活性,最主要的是MO工具不会失败,顺便说一下,有新的、先进的神经网络,使深度学习在速度上取得数量级的成绩。
好的+最嘈杂的元素被移除。ns是什么,叫什么名字? 还有xgboost 呢,他们也做吗?)
有水训练.....,以 "记住 "它并自行漏出。
嗯+最嘈杂的元素已经被移除。ns是什么,它们叫什么? 还有xgboost呢,他们也做这个吗?)
这是一个新的但鲜为人知的n网络架构,没有任何梯度下降,一切都很原始简单,就像上述同志的大脑)。
我在哪里读到的? 我甚至找不到任何东西来谷歌。
这里有所有的选项https://tproger.ru/translations/neural-network-zoo-2/
我在哪里读到的? 我甚至找不到任何东西来谷歌。
这里有所有的选项https://tproger.ru/translations/neural-network-zoo-2/
公共领域中关于它的文字不多,但研究正在进行中https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra
我想白天会更好。从模型和初步调试运行来看。但 现在 说什么都还为时过早,当然。
进展如何?
公共领域中关于它的文字不多,但研究正在进行中https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra
公共领域中关于它的文字不多,但研究正在进行中https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra
啊,好吧,现在还没有图书馆......你不能自己写 )