运用之妙,在乎于心

岳武穆在论及兵法的运用时说:“运用之妙,在乎于心”。

http://www.psychcn.com/hots/yxdh/200412/369310491.shtml
“运用之妙,存乎一心”,在我心里引起了强烈的共振。我以为 一切学问皆是如此,先要海纳百川、兼收并蓄、包罗万象, 重在领悟精神、消化吸收、开启灵性、 “修通自我”,然后将一切学识融会贯通于心,达到心中无门派障碍,甚至“忘我”的境界,方能体会左右逢源、天趣妙化,尽出于心的美妙感觉。



http://www.beelink.com.cn/20050110/1764231.shtml
大学者王国维曾把求学的过程喻为三重境界:其一“独上高楼,望断天涯路”,显示为求学识抛开一切的拳拳之心;其二“衣带渐宽终不悔,为伊消得人憔悴”,本 是一代词人歌花咏情之作,此处引为为求学知励精图治 的行为;其三“众里寻她千百度,蓦然回首,那人却在灯火阑珊处”,只要孜孜不倦努力创造终能登堂入室继而登峰造极。

  “三句话不离本行”,笔者乃期市一凡夫俗子,只是沉醉于期货的技术分析,在此借期货前辈的诲训,对技术分析的求学境界填鸦一番。

  技术分析也有三重境界:“见山是山,见水是水”;“见山不是山,见水不是水”;“见山还是山,见水还是水”。

   境界之一:“见山是山,见水是水”。初学期货技术分析,由K线入门,所谓长红长阴、十字星、倒锤线、下影线等等如微风扑面,颇感快意,如其名“蜡烛图” 按图索骥,点燃希冀之光;之后各种技术指标:道氏趋势线、周期理论、平均移动线、强弱指标RSI、随机指标KD、持仓兴趣、OBV能量潮和中趋势指标 MACD等等五光十色---原来指标有高位区和低位区之分可以告知卖出和买进、均线有空头散发和多头排列扩张、乖离率提醒平仓压力过大、成交量放大持仓量 增加原方向得到维持等等;再后来,K线的组合形态、均线的组合形态、指标组合形态在一起打出组合拳,保险系数大大增加。这时,图表上的高低错落的K线就是 层峦叠嶂美不胜收,源远流长的均线如小桥流水心旷神怡。于是乎,对于期市可以说是信心爆棚,箭在弦上。

  境界之二:“见山不是山, 见水不是水。”如获至宝,快马挺枪杀入期市,本想“百万军中取上将之首如探囊取物,”然而,得到结果往往却是“出师未捷身先死,常使自已泪沾襟”---先 前的技术法宝如同“银枪蜡头”于金戈铁马之间狼狈不堪。诸如趋势线突破买进行情却返身杀回、技术指标偏高卖出价格依旧芝麻开花,形态看好量又配合它就不 涨、缩量整理看似走弱忽来井喷之飙。什么“诱多诱空”、“洗盘震仓”、“指标钝化”、“假突破虚支撑”、“均线系统滞后”等等五花八门,再赶上毫无征兆的 不间断地“停板”而难以脱身,这时候是啥心情呢----图表上的高低错落的K线就是山堐陷阱,源远流长的均线形同惊涛骇浪。悽悽然,对于技术分析可能是心 有余悸,甚至于解甲归田。

  境界之三:“见山还是山,见水还是水。”痛定思痛,“独上高楼,望断期市路”,重新用心去堆砌K线的搭 配、把一把均线的脉搏;“衣带渐宽终不悔,为伊消得人憔悴”---孜孜不倦地参悟技术分析的精神:坚持原则不因昔日的偏离而背叛她;体会技术分析的精髓: 轻于去预测而看重于追随技术的趋势;当然刻苦地钻研系统化的最基本也是最重要的技术分析方法是这一切的基石。当你建立起你独有的技术研判系统后并给予充分 的信任,相信终会天道酬劳。“众里寻她千百度,蓦然回首”,图表上的高低错落的K线依然是层峦叠嶂更加美不胜收,源远流长的均线如小桥流水异常心旷神怡。

  技术分析系统的“见山还是山,见水还是水”是吾辈追求的一种境界,也是笔者在期市如人生中的待人待市的准则,说到底,用一句古训共勉:运用之妙,存乎一心。



http://www.xjw.cn/yunyonzimiao.htm

运用之妙 ,存乎一心

              ——卜灵子先生新作《怎样中大奖——博彩七十二招秘法》评介

       卜灵子先生的新作《怎样中大奖——博彩七十二招秘法》,经过五年艰苦创作编撰,终于与广大彩民读者见面了。这是一本立足于海南体育彩票的博彩工具书,是指 导喜爱海南体彩的彩民如何打奖的理想读物,当然全国通行的七位数彩票号码也可以按卜灵子先生在该书中所谈到的以各个击破的方式来加以预测。

       卜灵子先生的这本新作,是以中国文化源远流长的《周易》为理论基础的。它运用《周易》所诠释的原理,结合海南彩票开彩十年(尤其是海南体育彩票开彩六年)的实践、总结、创制了七十二招博彩的实用方法,用于海南体育的博彩活动。

      《周易》本身就是中国文化中的一部旷世奇书。在远古社会,人类的生存条件、物质水平和认识能力都是非常薄弱的,面对严酷大自然,人们往往求教于神灵,运用 卜筮的方法,以能够预知未来。经过千百万次的这种卜筮活动,人们从卜筮的结果中总结归纳了各种卜筮结果与大自然各种表象之间的相互对应关系,形成了《周 易》的实践基础。经过类似“文王演周易”这一类编撰、阐释学术活动,形成了具有朴素唯物主义的《周易》。所以后人说《周易》既是一本哲学著作,又是一本预 测学的巨著。运用周易八卦的原理预测彩票号码,在海南有着深远的历史和传统。自一九九七年陈老之先生的《周易探秘》问世以来,彩票信息市场上类似的作品已 经很多,卜灵子先生的新作是其佼佼者。

        卜灵子先生的新作有其鲜明的特点,一是实践性,二是实用性。首先卜灵子先生紧紧抓住海南体育彩票这一社会存在,认真分析和认识其开彩的规律性,运用周易的 原理去破解其奥秘,总结深化海南体彩的出彩规律,并加以抽象,“更深刻、更正确、更完全地反映”海南体彩出彩的这一“自然”。在过去的预测实践中,卜灵子 先生已多次成功地运用自己总结抽象出来的预测方法,预测出即将开出的海南体彩彩码,如一九九九年二月二十九日在其主办的《太玄天机》上成功地预测239期的首奖“4791”,二000年二月在《彩迷报》成功地预测第277期首奖“3820”,第279期首奖“6679”,二000年四月在《彩迷报》成功地预测第288期首奖“9647”。(参见《怎样中大奖——博彩七十二招秘法》P75P48或上述各期《彩迷报》)以上各次成功的预测案例,充分证明了卜灵子先生源于海南体彩实践而高于海南体彩实践的认知过程。

       卜灵子先生新作的另一个特点是其实用性。卜灵子先生摈弃了以往预测学专著往往连篇累牍地介绍周易八卦知识的作法,紧紧围绕海南体彩号码预测这一中心,将自 己多年的研究成果奉献给读者。它不是彩码预测的理论论述,而是将理论寓于彩码实践之中,它交给读者的不是什么预测理论,而是实战的方法和武器。从该书的第 一招到第七十二招,招招都是什么日辰最可能出现什么数字,或者上期开出什么数字、有什么值、什么数字组合,下期将出现或排除什么数字、什么值、什么数字组 合以及如何选出这些数。(参见《怎样中大奖——博彩七十二招秘法》正文)有了这种武器,彩民们才能在彩市的汪洋大海中纵横捭阖,博击遨战,显示英雄本色。

       马克思有句名言:“批判的武器不能代替武器的批判”。卜灵子先生的新作给彩民送来的是博彩的武器和工具,有了它,彩民可以在预测彩码的过程中少走弯路,缩 小组码的范围和节省组码时间,但是它始终是一种工具,是博彩的武器。海南体育彩票将长久地开下去,其出彩的规律和运行的轨迹始终会有变化,卜灵子先生和其 他预测大师们也会根据这些变化不断地调整思路,总结归纳出更多更新的招数和方法工具和武器的使用,能否达到中奖的目的,最关键的还在彩民自身。岳武穆在 论及兵法的运用时说:“运用其妙,在乎于心”。中奖之道也在乎彩民的心灵感应是否与彩码的运行规律的重合,从这个意义上说,卜灵子大师的新作送上的是一把 开启中奖者心灵的金钥匙。

        愿《怎样中大奖——博彩七十二招秘法》的读者朋友们好运。




深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值