Нейронные сети - один из самых популярных классов алгоритмов для машинного обучения. В финансовом анализе они чаще всего применяются для прогнозирования, создания собственных индикаторов, алгоритмического трейдинга и моделирования рисков. Несмотря на все это, репутация у нейронных сетей подпорчена, поскольку результаты их применения можно...
这就是为什么高估了神经元的数量也是有害的。它不会泛化，它将与噪音一起被记住。
好吧，要么规范化/提前停止......但这是不可能的:)))而且我感觉到，即使是包裹也是一个麻烦......
这是我在谷歌上搜索到的一篇文章......这一切都很简明扼要 http://ai-news.ru/2016/05/tehnologii_fondovogo_rynka_10_zabluzhdenij_o_nejronnyh_setyah_578372.html
理论家 !!!
什么时候会有练习？
不重复了，希望尼古拉 不要介意引用。我完全同意他的观点。
你不能处理一个简单的逼近器吗？))
...
NS不检索任何特征，特征被送入输入。它要么降低采样率，要么提高所有的组合（随着神经元数量的增加）。
我明白了，你是自己提取征兆，然后把它们输入到NS的输入端。如果你已经有了标志，你为什么还需要NS？
显然，我们读的是不同的书，而且是以不同的方式）。
显然，我们读的是不同的书，而且是以不同的方式）。
有什么可读的，更多的神经元 - 更多的过度训练。更少的神经元--更差的近似度。规范的神经元是可以的，但由于非平稳性，它在一般的市场上仍然不起作用。
我明白了，你自己提取标志，然后把它们输入NS。如果你已经有了这些标志，为什么还需要NS呢？
显然，我们读的是不同的书，而且是以不同的方式）。
好吧，更详细地描述一下你喂养它的内容和方式，画一个原理图......因为这很难猜测。
我按照通常的方法做了......我把垃圾放在输入端，在输出端得到垃圾。
Package learningCurve, R, 学习曲线。
是的，好的，谢谢）也许我以后会用到它。
好吧，详细描述一下你喂食的内容和方式，画一个原理图......因为这很难猜测。
我像往常一样采用了经典方法......在输入端输入垃圾，在输出端输出垃圾。
(你是来自计划。)(Heikin has it all)。
你说的卷积还是什么意思？ 他有很多，多达1000页 :D
如果你不学习NS，这意味着你有卷积，即数据压缩......NS中输入和输出的数量是差不多的......也许那是唯一的选择。
但MLP是一种有监督的方法，所以用它来做卷积很奇怪。
你说的卷积还是什么意思？ 他有很多，多达1000页 :D
如果你不学习NS，这意味着你有卷积，即数据压缩......NS中输入和输出的数量是差不多的......只能有这个选项。
我们从层次开始)。
至于我有什么，怎么教，所以我详细地讲了，甚至不止一次。
我们从层次开始）。
至于我所拥有的东西和我如何教它，我已经详细地告诉你了，而且不止一次。
15-20个输入的东西，+以某种方式加入的蒙特卡罗......而且价格还在不断提高。
这并不详细 :)
总而言之，一切都很清楚，有层次。