차이 미적분, 예. - 페이지 7

새 코멘트
 
니콜라이 셈코 :

다음은 이 접근 방식의 한 가지 가능한 구현입니다. 다시 그리거나 이동하지 않습니다. 이것은 라인의 2차 도함수입니다.



네.

나도 좋아해. )))

참여해 주셔서 감사합니다.

 
알렉세이 판필로프 :

"극중"을 보자.

다항식, 스플라인, 가우스 프로세스...
파란색 점 - 교육, 빨간색 - 테스트. 파란색 곡선에 많은 곡선을 생성하고 확인합니다.
빨간색 항목에서 원하는 측정항목에 따라 가장 좋은 측정항목을 선택합니다. 당신은 무작위로 파란색의 일부를 제거할 수 있습니다 ...


 
마법사_ :

다항식, 스플라인, 가우스 프로세스...
파란색 점 - 교육, 빨간색 - 테스트. 파란색 곡선에 많은 곡선을 생성하고 확인합니다.
빨간색 항목에서 원하는 측정항목에 따라 가장 좋은 측정항목을 선택합니다. 당신은 무작위로 파란색의 일부를 제거할 수 있습니다 ...



그래서, 그리고 ..., 그렇습니다. 신경망의 유혹은 매우 심각합니다.

"거기서 아무도 돌아오지 않았다고 합니다." :))))

 
 
알렉세이 판필로프 :

그래서, 그리고 ..., 그렇습니다. 신경망의 유혹은 매우 심각합니다.

"거기서 아무도 돌아오지 않았다고 합니다." :)))))

물론 마법사는 제외. ))
주제가 너무 흥미로워서 돌아가고 싶지 않습니다.))
 
유리 아사울렌코 :
주제가 너무 흥미로워서 돌아가고 싶지 않습니다.))

)))

내가 신경망에 대해 본 것으로부터, 미분 방정식은 거기에 꽤 광범위하게 존재하는 것으로 보입니다. 단지 그것들이 설명될 때만 다른 형식으로 쓰여지고 분명히 작업에 이미 적응된 것 같습니다.

그리고 이것은 이산 정보의 분석과 관련하여 논리적입니다.
 
알렉세이 판필로프 :

)))

내가 신경망에 대해 본 것에서, 미분 방정식은 거기에 꽤 광범위하게 존재하는 것으로 보입니다. 단지 그것들이 설명될 때만 그것들이 이미 작업에 적응된 다른 형식으로 작성되었습니다.

주제를 읽어야 합니다. 나는 아직 좋지 않다. 나는 RU의 트릭이 무엇인지 이해했습니다.

ZY 주제를 다시 읽습니다. 모든 것이 명확한 것 같지만 여전히 의도가 무엇인지 이해하지 못합니다.

역사에 대한 분석 함수는 아마도 어떤 방법으로든 4차 도함수까지 긴장 없이 그릴 수 있습니다. 동일한 근사가 다항식 회귀에 의해 잘 수행됩니다.

RU의 장점은 무엇입니까?

 

등거리 점에 대한 차분 방정식에서 직접 다른 방식으로 보간 공식을 작성할 수 있습니다.

- 3 *Y3 = 1 *Y1- 3 *Y2 - 1 *Y4

- 6 *Y3 = 1 *Y1- 4 *Y2- 4 *Y4 + 1 *Y5

- 10 *Y3 = 1 *Y1- 5 *Y2- 10 *Y4 + 5 *Y5 - 1 *Y6

- 15 *Y3 = 1 *Y1- 6 *Y2- 20 *Y4 + 15 *Y5 - 6 *Y6 + 1 *Y7

- 21 *Y3 = 1 *Y1- 7 *Y2- 35 *Y4 + 35 *Y5 - 21 *Y6 + 7 *Y7 - 1 *Y8

가격의 마지막 값이 아니라 마지막 증분(첫 번째 차이)을 새 정보로 취합니다.

코드 형식: 

      a1_Buffer[i]=(open[i]- 3 *open[i+ 1 ]   - 1 *a1_Buffer[i+ 1 ]  )/(- 3 );
      a2_Buffer[i]=(open[i]- 4 *open[i+ 1 ]   - 4 *a2_Buffer[i+ 1 ]   + 1 *a2_Buffer[i+ 2 ]  )/(- 6 );
      a3_Buffer[i]=(open[i]- 5 *open[i+ 1 ]   - 10 *a3_Buffer[i+ 1 ]  + 5 *a3_Buffer[i+ 2 ]  - 1 *a3_Buffer[i+ 3 ])/(- 10 );
      a4_Buffer[i]=(open[i]- 6 *open[i+ 1 ]   - 20 *a4_Buffer[i+ 1 ]  + 15 *a4_Buffer[i+ 2 ]  - 6 *a4_Buffer[i+ 3 ]  + 1 *a4_Buffer[i+ 4 ])/(- 15 );
      a5_Buffer[i]=(open[i]- 7 *open[i+ 1 ]   - 35 *a5_Buffer[i+ 1 ]  + 35 *a5_Buffer[i+ 2 ]  - 21 *a5_Buffer[i+ 3 ]  + 7 *a5_Buffer[i+ 4 ]  - 1 *a5_Buffer[i+ 5 ])/(- 21 );

그림은 그래프의 시작을 보여줍니다.

그리고 이를 통해 특정 단계에서 자체 진동에 대처할 수 있음을 분명히 알 수 있습니다.

물론 이후의 차이점도 새로운 정보로 간주될 수 있습니다.

사실, 이미 첫 번째 차이점에서 우리가 구성을 그리는 대수 라인이 완전히 명확하지 않습니다. 그리고 "어깨"가 증가하면 모든 것이 혼란스러워집니다. ))))

 
알렉세이 판필로프 :

그리고 5.6도(빨간색, 노란색)의 다항식으로 구성된 선은 공진 또는 자체 진동 과 유사한 것으로 떨어지고 점차 진폭이 누적됩니다. 5도 이상의 다항식에 대해 숄더를 증가시켜도 상황은 변경되지 않습니다.

거기에서 행렬은 단순히 이미 퇴화합니다. :) 이러한 경우 정규화가 적용되고 정도가 감소합니다.
 

Alexey, 알려주세요. 이해할 수 없는 소명이 있는 지표(다항식, 뉴턴 이항식, 차이, 보간법)가 일반적인 이동 평균 과 근본적으로 어떻게 다릅니까? 보다 정확하게는 동일한 기간의 이동 평균에서 기간이 72인 단순 이동 평균입니다.

표시기는 노란색입니다.

기간이 72인 SMA의 SMA - 보라색.



파일:
MaMa.mq4  7 kb
1234567891011121314...24
새 코멘트