AI와 엘리엇 검색의 검증 절차
교육용 뉴런, 시간 분할, 후보 제약 검사.
게시일: (UTC+3)
Русский · English · Deutsch · Español · Français · Italiano · 繁體中文 · 日本語 · 한국어
자동 카운트, 구조 검색, 학습된 신경망은 서로 다른 방식입니다. 가상 수치로 검사를 재현하지만 상용 버전 내부가 이 코드를 사용한다고 주장하지 않습니다.
AI·신경망의 시간 분할 검증
교육용 뉴런z=0.5x−0.5, y=1/(1+exp(−z))는x=2에서0.622459입니다. 지정 함수의 출력이지 파동 완료의 실측 확률이 아닙니다. 가중치는 수동 지정하며 학습·보정·시장 정확도를 주장하지 않습니다.
목표가 두 봉 뒤이면100개를 학습1–60(신호1–58), 검증61–80(61–78), 시험81–100(81–98)으로 나눕니다. 특성에는 당시 알려진 과거만 쓰고 정규화는 학습 구간에서만 맞춥니다. 시험 전에 버전과 설정을 고정하고 라벨 가용 시점과 비용을 저장합니다. 신경망이라는 이름이 학습 라벨의 미래 유출을 없애지 않습니다.
후보 검색: 제약을 먼저 검사
범위, 후보 수 제한, 피벗 가용 규칙을 먼저 정의합니다. 강제 제약 위반을 제거한 뒤 남은 후보를 평가하며 알 수 없는 내부 구조는 미상으로 남깁니다. 점수는 규칙이나 성공 확률을 대체하지 않습니다.
여섯 점 예제에서 A의4번째점119는score0.9여도 중첩 위반입니다. B의125와0.6은 가격 일부 조건만 통과합니다. 검색 제한 도달은 다른 구조가 없다는 증거가 아닙니다. 거절 이유, 버전, 입력, 기준 시점을 보관합니다. 예제를 Pro의 공개 소스 알고리즘이라고 주장하지 않습니다.