Test des systèmes de prévision en temps réel - page 27

 
neoclassic писал(а) >>

Désolé :-) Voici la prédiction du début :

gpwr cuisine apparemment Fourier différemment, ma méthode n'a pas de paramètres.

:о)))

mais en quoi GRNN est-il différent de Fourier ? Et qu'est-ce que ce GRNN de toute façon ? Je ne sais pas. :о(

 
grasn >> :

Non, non, non,

J'affiche une prévision au début, et non à la fin.

De plus, s'il n'y a pas de paramètres, comment gpwr obtient-il une autre ligne ?

Le GRNN peut être codé de différentes manières. J'ai utilisé le code le plus simple avec un sigma (taille de la grappe) fixe. La longueur du motif est un autre paramètre. Je l'ai optimisé en utilisant les données passées et j'ai obtenu 140 barres. Les prix sans lissage ont été utilisés comme données d'entrée. D'ailleurs, la troisième méthode (autorégression non linéaire) a donné des résultats similaires.

Selon les nouvelles données, ces deux méthodes donnent les prédictions suivantes

GRNN :



AR non linéaire :


 

grasn, GRNN est un type de réseau nerveux. Voici un lien vers la définition. Ou alors, voici une solution un peu plus astucieuse.

 

Oui, oui - j'ai déjà trouvé, merci... pour la participation :o))))))

Addendum: J'ai été troublé par l'expression "absence de paramètres". Tout SN a des "paramètres toujours".

 
grasn >> :

:о)))

En quoi le GRNN est-il différent de Fourier ? Et qu'est-ce que ce GRNN de toute façon ? Je ne sais pas. :о(

D'un point de vue mathématique, le GRNN (general regression neural network) est un réseau neuronal très simple mais très efficace, proposé par Specht en 1991. Voir le lien ici

http://people.cecs.ucf.edu/georgiopoulos/eel6812/papers/general_regression_network.pdf

Cela n'a rien à voir avec Fourier. Le GRNN fait référence aux réseaux neuronaux probabilistes tels que les plus proches voisins. Il prend tous les modèles antérieurs et calcule la distance euclidienne entre le modèle actuel et les modèles antérieurs de la manière suivante

D[n] = SUM( (Open[i] - Open[n+i])^2, i=0...PatternLength )

On calcule alors une prédiction de type moyenne pondérée à partir des prix passés "futurs".

Open[-1] = SUM( Open[n-1]*exp(D[n]/(2*Sigma), n=0...AllPastPatterns) / SUM( exp(D[n]/(2*Sigma)), n=0...AllPastPatterns)


Dans le cas des plus proches voisins, après avoir calculé les distances euclidiennes par rapport aux modèles passés, le modèle le plus proche est sélectionné et ses valeurs "futures" sont utilisées comme prédictions pour le modèle actuel. Il s'agit de la version simple, qui est rarement utilisée. Généralement, les voisins les plus proches sont trouvés et leurs valeurs "futures" sont moyennées ou pondérées pour trouver des prédictions pour le modèle actuel.

 

Oui, je comprends,

Pour êtreclair, la question a été posée à neoclassic - juste pour vous rappeler le contenu de son post :

gpwr видимо, по другому готовит Фурье, у моего метода нет параметров

C'est ce que j'ai demandé à Neoclassic:o))))) Quelle est la différence, parce que sa prévision ressemble un peu à celle de Fourier, de loin.


à gpwr

Merci pour le synopsis.


à Mathématiques

J'ai déjà dit merci mais je suis toujours prêt à le répéter :o))))

 

Grasn, voir "Extrapolateur dynamique basé sur les transformées de Fourier".

Vous pouvez voir ici le principe de fonctionnement et l'indicateur lui-même :-)

 
neoclassic >> :

Grasn, voir "Extrapolateur dynamique basé sur les transformées de Fourier".

Vous pouvez voir ici le principe de fonctionnement et l'indicateur lui-même :-)

et ensuite :

On dirait que GRNN a touché le jackpot :-)

Ou avez-vous décidé que la journée sera en fait une journée perdue si vous ne m'embrouillez pas inutilement ? :о)))))

 

Il ne s'agit en aucun cas de vous embrouiller :-)

Похоже GRNN сорвала куш

J'ai dit que je voulais dire que la prévision gpwr GRNN était la plus précise, et que mon image n'était qu'un suivi.

 
neoclassic >> :

Il ne s'agit en aucun cas de vous embrouiller :-)

J'ai dit, signifiant que la prévision gpwr GRNN s'est avérée être la plus précise, et j'ai donné mon image juste pour faire suite au sujet.

>> tout est clair :o))))))


PS : A l'exception d'une chose - le GRNN a donné l'une des pires prédictions. Mais c'est le mien, IMHO. Je veux dire, c'est évident.