Список проголосовавших за комментарий "BeyG, а это что ли не смогли перевести:<br/> <br/> <p>4.1.1 Input layers<br/> Drawing inspiration from multi-channel representations in image processing (e.g., RGB channels), the grid-like structure of limit order book data is represented using two input channels: one for price and one for volume information. This results in a three-dimensional input x∈ℝH×W×C (Figure 2), where H denotes the depth of the LOB (i.e., the number of price levels), W is the window size representing the number of time steps used to construct each training example, and C is the number of channels which in this case is 2 for price and volume channels.<br/> <br/> Перевод:</p><h4>4.1.1 Входные слои</h4><p>По аналогии с многоканальными представлениями в обработке изображений (например, с каналами RGB), сеточная структура данных книги лимитных ордеров представлена с помощью двух входных каналов: один для цены, другой для объема. <strong>В результате получается трехмерный входной сигнал x∈ℝ<em>H</em>×<em>W</em>×<em>C</em> </strong>(<a id="F2a" class="ArticleReference" href="/r.php?u=https%3A%2F%2Fwww.frontiersin.org%2Fjournals%2Fartificial-intelligence%2Farticles%2F10.3389%2Ffrai.2025.1616485%2Ffull%23F2&s=1742366672">рис. 2</a>), где <em>H</em> обозначает глубину LOB (то есть количество ценовых уровней), <em>W</em> — размер окна, представляющий собой количество временных шагов, используемых для построения каждого обучающего примера, а <em>C</em> — количество каналов, в данном случае равное 2 для каналов цены и объема.</p><p>Добавлю рисунок 2<br/> <br/> <a class="imgpreview" href="/uploads/2026/images/00/09/97/2026/02/27/bdb064.webp"><img src="/uploads/2026/images/00/09/97/2026/02/27/7cafb7.webp"/></a><br/> <br/> Вы что ли не видите linear projection, positional embeddings и transformer ДО подачи на нейросеть?</p>"