Pac-Man появилась на аркадных автоматах 22 мая 1980 года. На разработку игры ушло целых 17 месяцев — ни один проект прежде не требовал столько времени. Ровно 40 лет спустя компания NVIDIA представила нейросеть GameGAN, которая смогла воссоздать всю игру Pac-Man всего за 4 дня. GameGAN — это игровая генеративно-состязательная сеть (Generative...
おっと面白い考え方ですね。モデルがどの程度セクションを記述しているかによって、シリーズのセクションを選択/分離する。ただ、モデルが系列を悪く表現しているのか、うまく表現しているのかは、どうやって見分けるのでしょうか。一目でわかる相関図ができない。しかし、そこには何かがある。質問／課題は、予測することではなく、系列の挙動を変えることである。
用語とその曖昧さが、生活をより快適にします))))私はSBを当初はマイナスからプラス無限大の範囲で無限大の時間、そしてその時だけルールを持っています。Wienerのはすぐにルールにあった)))どうやらそのせいで近いようです。）
基本的に、通常のmatstatは統計的な仮説の 検定です。例えば、SBとOrnstein-Uhlenbeckの2つのモデルから1つだけ可能性があるとすると、2つの仮説を区別する問題があり、これはよく知られているDickey-Fuller検定によって解決されます。
要するに、通常の matstat は統計的仮説検定なのです。例えば、SBとOrnstein-Uhlenbeckの2つのモデルのうち1つだけが可能だとすると、2つの仮説を区別する問題があり、これはよく知られたDickey-Fuller検定で解決されます。
有効なテストのための最小限の十分な面積の問題です)))どうなんでしょうねぇ。定常性のDFテスト、モデル記述の正しさにどう適用するか？
DF定常性テスト、モデル記述の正しさにどう適用するか？
厳密には誤りであり、単位根の存在（帰無仮説）を、そのような根は存在しないという仮定（対立仮説）に対して検定するものである。パラメータが変化する（発散）Ornstein-Uhlenbeck過程の例は、明らかに非定常ですが、単位根を持つ自己回帰過程ではありません。
この問題への適用性は、任意のセクションがSB、Ornstein-Uhlenbeck、またはそれらの間のスイッチングセクションのいずれかであるという仮定から導かれる。明らかに、p値検定の値が小さいことから、Ornstein-UhlenbeckがSBよりも適切であり、その逆もまた然りであることがわかる。もうひとつは、「2つの選択肢しかない」という仮定が現実的に適用できない可能性があり、モデルのリストを拡張する必要があることです。
有効なテストのための最小限の十分な面積の問題である)))
複雑な非自明な問題なので、目分量で解くか、選択で解くのがよいでしょう)。
アレクセイ・ニコラエフ
1) モデルを用いて価格を予測すること。
確率モデルはどのように予測をするのでしょうか？実行するたびに異なる軌跡を描きます。似たようなものでも。
標準的な方法 - 期待値と、そこから与えられた値によって逸脱する確率。もうひとつは、例えばSBの場合、この予測はあまり意味をなさないということです。しかし、定常過程（あるいは区分的定常）では意味がある。例えば、Ornstein-Uhlenbeck過程（実際に私が書いたもの）では、予測は平均に戻ることです。
厳密に言えば、これは誤りである。これは、単位根がないという仮定（対立仮説）に対して、単位根があるかどうか（帰無仮説）を検定するものである。パラメータが変化する（発散）Ornstein-Uhlenbeck過程の例は、明らかに非定常ですが、単位根を持つ自己回帰過程ではありません。
この問題への適用性は、任意のセクションがSB、Ornstein-Uhlenbeck、またはそれらの間のスイッチングセクションのいずれかであるという仮定から導かれる。明らかに、p値検定の値が小さいことから、Ornstein-UhlenbeckがSBよりも適切であり、その逆もまた然りであることがわかる。もうひとつは、「2つの選択肢しかない」という仮定が現実的に適用できない可能性があり、モデルのリストを拡張する必要があることです。
これは複雑で自明な問題ではないので、目で見て、あるいは選択で解決するのがよいでしょう）。
単位根とは、多項式の根が1乗に等しい（またはそれ以下）条件であり、定常性を示す。 シリーズがある回廊より広くないこと。エッジでは、多項式の根は1または-1である。根が大きければ系列は広くなり、小さければ系列は回廊になる。これを、システムがどれだけシリーズを記述しているかに応用することはできないか。十分に正しく系列を記述できる最小の変数数の系を見つける必要があります。
2つの状態があるという前提は、もちろん間違っている。ある定常性のある単一のパラメータを測定しても、Expert Advisorがいつ故障し始めるかを見つけるという問題は解決しないのと同じです。大規模なものを連発するのは問題がある。それぞれのスケールで、系列の挙動は異なり、スケールの大きな系列の影響は、小さな系列では無視できる場合が多く、時には不可欠な場合もあります。一般に、ある尺度の系列の特性を他の尺度に適用する方法について誤解がある。
正しいパラメータを推測しようとすると、時に結果にかなり影響を与える可能性があります))))
https://3dnews.ru/1011653
何が新しいのかわからない、新NSは旧NSの素材をもらって、旧NSの結果のルールやアルゴリズムを再現したものです。それとも何か見落としているのか)))
新NSに旧NSの素材が与えられ、旧NSの結果のルールやアルゴリズムを再現したのであれば、何が新しいのか未だに理解できないのですが。それとも何か見落としがあったのでしょうか?）
私の理解では、結果は新しいプログラムの書かれたコードで、入力に新しい/任意のデータを供給することなく、ゲームを再現します。
単位根とは、ユニティのモジュラスに等しい（または小さい）多項式の根を見つける条件です。 シリーズがある回廊より広くないこと。エッジでは、多項式の根は1または-1である。根が大きければ系列は広くなり、小さければ系列は回廊にある。
ルート（特性多項式）の概念は、自己回帰過程についてのみ定義されています。どんな定常過程でも自己回帰的であると考える理由がある。また、非定常の自己回帰過程も存在する。しかし、定常でもなく、自己回帰でもない（そして、どのような形でも定常には還元されない）過程がもっとたくさんあります。それらの過程では、根についての推論はまったく意味を持ちません。
これを、システムがどれだけシリーズを記述しているかに応用することはできないか。
これは必要条件であり（十分条件ではない）、与えられた2状態の仮定の中でしか機能しない。もしそれが満たされないなら、SB以外のシリーズを扱っていると言っても意味がない（2番目の状態の導入は冗長であることが判明した-価格は常にSBと同様である）。それが満たされるなら、残差の正規性と独立性、パラメータのゼロからの差の有意性などを確認する必要がある。
よーし、最小の変数数で十分に正しく系列を記述できる系を探すぞー。
そうですね、最小値から始めて徐々に増やしていくと、ある時点で、豊富なパラメータによるオーバーフィッティングによって、すべてが完全に「記述」されることになります。