マシュカには関係ない!?

 

ここで、私を興奮させる考えがあります。

N個の平均化ウィンドウを持つ最も一般的なウィザードを例に挙げてみましょう。時系列(RT)の前方および後方に走らせることで、群遅延と位相遅れを排除し、理想的な平滑化曲線を得て、その一次微分で入口と出口を最適に表示しよう...。過去のデータのみですが。


これは、データの右端での必然的なオーバーレンダリングと関係があり、履歴が後退すればするほど、この効果は小さくなります。極限では、前縁から距離Nのところでは無視することができる。そこで、この微分をN本先まで予測する課題がある(左図)。

別の方法でいいんです。マスクの直線的な実行だけで、私たちがずっと以前に慣れ親しんだ、N/2遅延の標準的なスムージングが得られます(右図) タスクは、N/2本先の微分値の予測に設定することができます。ちなみに、左の図でも右の図でも、LPFの帯域幅がほぼ同じになるようにNが選ばれており、2パス方式(左)では100bar、ストレートラン(右)では200barとなっています。つまり、同じ数のバー 先に対して同等の予測をしなければならないのですが、ダブルパス方式の方が微分が滑らかなので、予測精度が高くなるわけです。

すぐに言っておくが、「通常の」方法による予測の試みは、事象の地平線(N/2またはN)に近づくにつれ、予測精度は急速に低下し、まさに地平線でゼロになるため、良い結果は得られない。それが、BPの基本的な性質です...。

そこで、あるBPに対して、ステップ1をN=2、あるいは1から始めて、例えば1000までのワンパス・マッシュアップのファンを作ってみたらどうだろうかと考えたのです。隣接するスワイプの情報量があまり変わらないことは明らかなので、隣接するスワイプ(あるいはその微分)の「類似性」を示す自己相関関数を構築してみよう。予想通り、いくつもの連続したスワブが高い相関性を示している(図左)。

相関のある機器からの情報量は少ないので、綿棒のシリーズを間引き、綿棒間の相関係数が20%を超えないものだけを残す。残りは6本、80本、300本の平均化ウィンドウの3つだけです。ここで、遅行バーの値の加重和を理想微分(図右の赤い太線)に当てはめると、dMA=w1*dMA1+w2*dMA2+w3*dMA3 となります。

このような方程式を履歴の右辺からN/2を引いた3つの連続するバーについて3つ作り(チャタリングを避けるため)、重みwとの関係で解き、BPの右辺のdMAの値を計算する必要があります。以上!BPの予想される方向を示す予測値が得られました。


一種のノンハーモニック解析が得られる :-)

 
この合成マシュカの写真はどこだ?:)
 

まだ持ってないんだー。そこで、このようなことに関わる価値があるのかどうか、アドバイスをいただこうと思いました。誰が考えているんだ?

 
Neutron:

まだ持ってないんだー。そこで、この件に関わるかどうか、皆さんのアドバイスをいただこうと思ったのです。誰が考えているんだ?

パーティーを始めませんか?

 

セリョーガさん こんにちは!(隣のスレッドにメッセージを残しておきましたので、見ていただけたら嬉しいです :)


all simpler!!!!!!!私のアイデアは非常にシンプルなものでした。 - そして、手はあまり回りませんでした。あちこちで何かを動かす必要はない。低周波成分の完全な近似値は次のようになる。

[1/window*(SUM ヒストリー/ウィンドウ)+1/window*(SUM , 未来値/ウィンドウ)/2


つまり、ある決まった窓の平均を予測することになる。そして、自己相関法で 予測することができる。100%、より確実に、より正確に動作するようになると思います。適応型フィルタの小型化と考えてください。



"心 "まで向上させることができる

 

からヴィン

感想をお聞かせください - 続編もありますよ


をgrasnする。

セルゲイさん、こんにちは。

もちろん、そうです。私がこのノンハーモニック・シンセシスという考えに至ったのは、それら(皆さんの考察)がきっかけです。残念ながら、自己相関法で予測しようとした私の努力は、事象の地平線で崩れ去った。適応の要素を持つ非線形相関法が必要なのです。

 
ウェイトの挙動を履歴で見ることになる。つまり、w1,w2,w3の3つのバッファを持つインジケータを作ろうと思います。
 
Neutron:

をgrasnする。

セルゲイさん、こんにちは。

もちろん、読んでいますよ。それら(あなたの考察)が、この非調和融合の考えにつながったのです。残念ながら、自己相関法で予測しようとした私の努力は、すべて事象の地平線に衝突してしまいました。ここで必要なのは、適応の要素を持つ非線形相関法である。


いやいや、予測された平均値で時系列を 再構築しても、うまくいきませんよ、大きな誤差が。そうではなく、予測される「理想的なLF曲線」の局所的な極値を評価する必要があり、これが実はピボット・ゾーンなのです!!!!要求が少ないほうがいい :o)

 
lna01:
ウェイトの挙動を履歴で見ることになる。つまり、w1,w2,w3の3つのバッファを持つインジケータを作ろうと思います。

問題ありません。ただ、それが何を与えてくれるのか?三次方程式の解である以上、より小さなスケールの揺らぎ周期で規則正しく振る舞うことは明らかである。

 
grasn:

いやいや、予測された平均値で時系列を再構築しても、うまくいきません、大きな誤差です。そうではなく、予測される「理想的なLF曲線」の局所的な極値を推定する必要があり、これが実はピボットゾーンなのだ!1つは、要求が少ないこと :o)

ここで私はそれを得ることはありません

そこには、安定した人間関係がない。

 
Neutron:
グラサン

いやいや、予測された平均値で時系列を再構築しても、うまくいきません、大きな誤差です。そうではなく、予測される「理想的なLF曲線」の局所的な極値を推定する必要があり、これが実はピボットゾーンなのだ!1つは、要求が少ないこと :o)

ここで私はそれを得ることはありません

そこには、安定した人間関係がない。


そして、あなたの非調和的な分析も、私には理解できませんでした。完璧なデリバティブは誰のもので、どこから来るのか?解析のエッセンスをステップバイステップで説明していただけるとありがたいです(私だけではないと思います)。


とりあえず、Matkadecでいじってみて、数日後かもっと早く(私は統計ばかり取っているので)、私のアイデアの詳細な説明をします :o)。



追記:もしかしたら、この2つの統合で何か面白いことが生まれるかもしれませんね :o)

理由: