市场礼仪或雷区中的良好风度 - 页 70 1...636465666768697071727374757677...104 新评论 paralocus 2009.06.14 17:26 #691 Neutron >> : 不过差异有点大，你需要增加统计数字。 也许每小时的科蒂尔故障是很正常的？我是把统计数字增加到1000。结果是有点低。现在D统计已经开始计算了，完成后我会给你看。 Vitali 2009.06.14 17:37 #692 Neutron >> : 更确切地说，从陈述准不稳定性的事实来看，并不意味着市场是完全有效的。 是的，我明白了，而且对我来说也更有意义。虽然，我会在文字游戏中使用 "准代替 "一词，给猜测者更多时间。:) paralocus 2009.06.14 17:58 #693 以下是关于维纳的D统计数据。 paralocus 2009.06.14 18:10 #694 如果K=2，那就更漂亮了（关于维纳）。我只是把K=1放在任何地方，因为有了它，女孩就能更好地学习，更好地工作（明显）。 而这是针对1000个经验的科蒂尔（K=1）。 Neutron 2009.06.15 02:55 #695 paralocus писал(а)>> 以下是关于维纳的D统计数据。 图，看起来信息量不大。在一个图中只显示训练样本和测试样本上的切线与输入维度的函数关系，并将自动缩放放在纵轴上。 paralocus 2009.06.15 06:10 #696 这样可以吗？ Neutron 2009.06.15 06:17 #697 现在解释一下你的意思。 如果你看一下你的图，维纳的正切是如何得出的。 对于训练样本来说，在视觉上估计其数值tg=1/2并不困难。如果你看一下你的最后一张图，tg的值没有超过0.1的水平。 评论。 paralocus 2009.06.15 06:22 #698 会不会是速度的问题？要去研究一下。 paralocus 2009.06.15 07:05 #699 这是因为我将计算出的正切值乘以维纳波动率，而维纳波动率的计算也是不正确的（计数的差异没有经过平方的累积）。 这些图片是针对K=1的 Neutron 2009.06.15 07:22 #700 现在恭喜你了! 我们看到，单层NS代码工作正常--在随机过程上为零（如果我们增加更多的统计数据），而在市场BP上则有与零不同的统计学意义。现在我们可以通过使用通用近似器（双层非线性NS）来工作，并将获得的结果与线性神经元的工作进行比较。经过打磨，我们可以用隐藏层中不同数量的神经元来比较回报，并对不同的输入数据进行实验。 1...636465666768697071727374757677...104 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
不过差异有点大，你需要增加统计数字。
也许每小时的科蒂尔故障是很正常的？我是把统计数字增加到1000。结果是有点低。现在D统计已经开始计算了，完成后我会给你看。
更确切地说，从陈述准不稳定性的事实来看，并不意味着市场是完全有效的。
是的，我明白了，而且对我来说也更有意义。虽然，我会在文字游戏中使用 "准代替 "一词，给猜测者更多时间。:)
以下是关于维纳的D统计数据。
如果K=2，那就更漂亮了（关于维纳）。我只是把K=1放在任何地方，因为有了它，女孩就能更好地学习，更好地工作（明显）。
而这是针对1000个经验的科蒂尔（K=1）。
以下是关于维纳的D统计数据。
图，看起来信息量不大。在一个图中只显示训练样本和测试样本上的切线与输入维度的函数关系，并将自动缩放放在纵轴上。
这样可以吗？
现在解释一下你的意思。
如果你看一下你的图，维纳的正切是如何得出的。
对于训练样本来说，在视觉上估计其数值tg=1/2并不困难。如果你看一下你的最后一张图，tg的值没有超过0.1的水平。
评论。
这是因为我将计算出的正切值乘以维纳波动率，而维纳波动率的计算也是不正确的（计数的差异没有经过平方的累积）。
这些图片是针对K=1的
现在恭喜你了!
我们看到，单层NS代码工作正常--在随机过程上为零（如果我们增加更多的统计数据），而在市场BP上则有与零不同的统计学意义。现在我们可以通过使用通用近似器（双层非线性NS）来工作，并将获得的结果与线性神经元的工作进行比较。经过打磨，我们可以用隐藏层中不同数量的神经元来比较回报，并对不同的输入数据进行实验。