수학자님, 저를 용서해 주세요. 하지만 때때로 저는 당신이 쓰는 것에 대해 같은 방식으로 러시아어를 읽지 않습니다(글쎄, 나는 당신이 기대한 것과는 다른 결론을 도출합니다 :-)). 그리고 여기 영어로 되어 있습니다. 무슨 말인지 이해는 하지만 군대에서 움직이는 물체를 호위할 때 사용한다는 사실에 대해. 그럴듯하지만 말 그대로 할 수 없습니다 (나는 어머니의 말을 듣지 않았고 어린 시절에 영어를 배우지 않았습니다 :-() 또한 다시 그리기와 FFT는 다른 것이므로 FFT를 사용할 수 있으며 아무 것도 다시 그리지 않습니다. 이제 나는 코시를 쫓을거야, 읽어봐 그리고 군대는 목표물을 추적하는 방법을 알고 있다 :-). 간섭과 미끼만이 보장된 패배로부터 당신을 구하고 항상 그런 것은 아닙니다 :-) (오랫동안 마음과 알고리즘의 투쟁이 있었고 비행기의 조종사 는 버튼을 누르고 .... 다른 모든 것은 알고리즘인 것 같습니다).
최고, 적응 등과 같은 JMA에 감동을 받았습니다. (나는 모두를 먹었다, 어떻게). 그리고 우리는 인피와 함께 태어났습니다 :-). 그리고 러시아에서 왼손잡이는 사라졌지만 나는 그것을 믿지 않습니다. 나는 그를 본다 - 공식은 어떻게 든 이해할 수없고 아바타는 그렇지 않습니다 :-) 나는 더 나은 것 같습니다 :-) (비교 http://www.jurikres.com/catalog/ms_ama.htm#top ). 우리 비행기가 더 좋습니다 :-).
따라서 지표를 개선하고 적응력을 높일 것을 제안합니다. 아마도 좋은 일이 생길 것입니다.
아이디어는 다음과 같습니다. 1. 우리는 이 지표를 기반으로 합니다( 'Optimized AMA Kaufman: Perry Kaufman AMA optimized' ). 나뿐만 아니라 많은 사람들이 이미 작업했습니다. 이 지표의 이론은 파일에 설명되어 있습니다(파일 첨부). 우리는 이 지표(아이디어)에서 한 부분을 취합니다. 효율 계수 ER의 계산(0에서 1까지 다양). 2에서 N까지의 평균화(샘플링) 기간을 결정합니다(N은 알고리즘의 입력 매개변수로 제공됨). 그리고 여기 조금 더 까다롭습니다. 2. EMA(지수이동평균)가 아닌 다항식을 사용합니다. 다항식 n의 최대 차수(외부 매개변수로도 설정됨). 원칙적으로 중지하고 n을 변경하고 테스터에서 실행하면 이미 좋은 결과를 얻을 수 있다고 생각합니다. 그러나 IHMO 벼룩은 아직 완전히 익숙하지 않습니다. 계속 진행해 보겠습니다. 3. 일단 적응되면 완전히 적응하게 하십시오. 다음 추가는 다항식의 차수도 계산된다는 것입니다(어떤 기준에 따라 가장 좋은 것으로 선택됨). 소음에 대한 사전 정보가 없기 때문입니다. 나는 기준 - 결정 계수를 사용할 것을 제안합니다. 이 기준에 따라 최적의 다항식을 선택하는 전체 논리는 파일(아카이브의 파일, 12, 13 및 14페이지)에 설명되어 있습니다. 그것을 수행하는 방법에 대해 MathCade로 작성된 프로그램도 있습니다.
관심 있는 사람이 있으면 포인트 3을 프로그래밍하고 matkad를 다시 확인할 준비가 되었습니다. 그리고 나의 겸손한 능력으로 인해 MQL에서 그러한 지표를 생성하는 데 도움이 됩니다.
그리고 인덕터는 단순히 비선형이어야 한다는 것을 잊지 마십시오. 어쨌든 Jurik의 팀은 이상적인 적응형 필터의 네 가지 요구 사항을 모두 충족하기 위해 정확히 그렇게 했습니다. 그리고 정보 이론이 꼬인 것이 있습니다 ... grasn , 비선형 필터 방식에 대한 아이디어가 있습니까?
아이디어는 다음과 같습니다. 1. 우리는 이 지표를 기반으로 합니다( 'Optimized AMA Kaufman: Perry Kaufman AMA optimized' ). 나뿐만 아니라 많은 사람들이 이미 작업했습니다. 이 지표의 이론은 파일에 설명되어 있습니다(파일 첨부). 우리는 이 지표(아이디어)에서 한 부분을 취합니다. 효율 계수 ER의 계산(0에서 1까지 다양). 2에서 N까지의 평균화(샘플링) 기간을 결정합니다(N은 알고리즘의 입력 매개변수로 제공됨). 그리고 여기 조금 더 까다롭습니다. 2. EMA(지수이동평균)가 아닌 다항식을 사용합니다. 다항식 n의 최대 차수(외부 매개변수로도 설정됨). 원칙적으로 중지하고 n을 변경하고 테스터에서 실행하면 이미 좋은 결과를 얻을 수 있다고 생각합니다. 그러나 IHMO 벼룩은 아직 완전히 익숙하지 않습니다. 계속 진행해 보겠습니다. 3. 일단 적응되면 완전히 적응하게 하십시오. 다음 추가는 다항식의 차수도 계산된다는 것입니다(어떤 기준에 따라 가장 좋은 것으로 선택됨). 소음에 대한 사전 정보가 없기 때문입니다. 나는 기준 - 결정 계수를 사용할 것을 제안합니다. 이 기준에 따라 최적의 다항식을 선택하는 전체 논리는 파일(아카이브의 파일, 12, 13 및 14페이지)에 설명되어 있습니다. 그것을 수행하는 방법에 대해 MathCade로 작성된 프로그램도 있습니다.
독학으로 배운 겸손한 의견은 다음과 같습니다. 제안된 "적응형 필터" 모델이 작동하지 않을 것이며 이에 시간을 할애하지 않을 것입니다. 적응형 필터링이 아닙니다. 적응 필터링에 대한 견고하고 일관성 있고 입증된 이론이 있습니다. 그리고 적응형 필터를 만들고 싶다면 이 이론을 사용하십시오.
이 이론을 다루고 AF를 설계할 시간이 없다면 MathLab을 선택하고 필요한 필터를 설계하십시오(적응 필터링의 전문가가 아닌 경우 MathLab이 훨씬 더 잘 할 것입니다). 그런 다음 두 가지 방법이 있습니다. dll을 생성하거나 m-파일이 열려 있기 때문에 MQL로 이동하여 m-파일을 파헤치는 것입니다.
독학으로 배운 겸손한 의견은 다음과 같습니다. 제안된 "적응형 필터" 모델이 작동하지 않을 것이며 이에 시간을 할애하지 않을 것입니다. 적응형 필터링이 아닙니다. 적응 필터링에 대한 견고하고 일관되며 입증된 이론이 있습니다. 그리고 적응형 필터를 만들고 싶다면 이 이론을 사용하십시오.
이 이론을 다루고 AF를 설계할 시간이 없다면 MathLab을 선택하고 원하는 필터를 설계하십시오(적응형 필터링의 전문가가 아닌 경우 MathLab이 훨씬 더 잘 할 것입니다). 그런 다음 두 가지 방법이 있습니다. dll을 생성하거나 m-파일이 열려 있기 때문에 MQL로 이동하여 m-파일을 파헤치는 것입니다.
독학으로 배운 겸손한 의견은 다음과 같습니다. 제안된 "적응형 필터" 모델이 작동하지 않을 것이며 이에 시간을 할애하지 않을 것입니다. 적응형 필터링이 아닙니다. 적응 필터링에 대한 견고하고 일관되며 입증된 이론이 있습니다. 그리고 적응형 필터를 만들고 싶다면 이 이론을 사용하십시오.
이 이론을 다루고 AF를 설계할 시간이 없다면 MathLab을 선택하고 필요한 필터를 설계하십시오(적응 필터링의 전문가가 아닌 경우 MathLab이 훨씬 더 잘 할 것입니다). 그런 다음 두 가지 방법이 있습니다. dll을 생성하거나 m-파일이 열려 있기 때문에 MQL로 이동하여 m-파일을 파헤치는 것입니다.
이 의견에 동의하기 어렵습니다.
어떤 의견인지 궁금합니다. DSP에 대해, 특히 내가 한 번 강의한 주제 중 하나(적응형 디지털 필터)를 모른다는 것. 아니면 Matlab에서 수행하는 것이 더 낫습니까? 그리고 글쓴이가 여기 저기 틀리는 것 같아요. 저는 이 분야에 대해 "약간의" 지식을 가지고 있으며 MathLaba보다 더 멋진 프로그래밍 언어가 있습니다. 그리고 계산 결과를 MT4 터미널로 전송하는 데 dll이 필요하지 않습니다( komposter 에 연락하기만 하면 됩니다).
내 제안에 대해 화실에 쓰고 적응형 그라스 필터링이 없다고 주장하는 것은 잘못된 것 같습니다. 그리고 그는 예를 들어 해밍 창을 사용해야 할 때, 언제, 어떤 이유로, 그리고 언제 해밍 창을 사용해야 하는지에 대해 대답할 수 없을 것입니다. PFC 또는 Chebyshev의 Butterworth 필터를 분석할 때 적응형 Wiener 필터와 Widrow-Hopf 필터의 차이점은 무엇이며 첫 번째 필터를 적용하는 것이 필요하고 가능할 때와 두 번째 필터를 적용할 때입니다.
grasn 및 NorthernWind , 세게 때리면 죄송하지만 그런 아이디어를 그냥 무시할 수는 없습니다. 저는 MathCade에서 작성한 모든 것을 최대 1-2시간 동안 프로그래밍해야 하며 이를 위해 누구의 도움도 필요하지 않습니다. 저는 다른 사람들이 적응형 필터를 원할 경우 드리블 방향을 보여주고 싶었고 이 문제에서 그들을 도울 준비가 되어 있습니다. 적응 필터 바다와 작은 카트.
그렇게 화를 내지 않기 위해 MathLaba 애호가로서 DSP에 대한 책을 제공하겠습니다. 이 DSP에 대한 간략한 989페이지가 있습니다. 이 프로그래밍 언어에만 많은 예가 있지만 내 겸손한 의견으로는 MathCad는 더 나은 :-)
또한 다시 그리기와 FFT는 다른 것이므로 FFT를 사용할 수 있으며 아무 것도 다시 그려지지 않습니다. 나는 지금 Koshy에게 책을 읽으러 갈 것이다.
오 얼마나 흥미로운지. 그리고 "변환 - 주파수 필터링 - 역변환"의 원리에 기반한 모든 의사 기계는 다시 그려야한다고 생각했습니다 ...
Cauchy에게 시간을 낭비하지 마십시오. 그녀의 pdf는 a/(b^2 + (xm)^2)입니다. 물론 1로 정규화됩니다. 그러나 여기에서 변수 x를 곱한 pdf의 적분은 이미 발산합니다(이것은 m.o.입니다).
또한 다시 그리기와 FFT는 다른 것이므로 FFT를 사용할 수 있으며 아무 것도 다시 그려지지 않습니다. 나는 지금 Koshy에게 책을 읽으러 갈 것이다.
오 얼마나 흥미로운지. 그리고 "변환 - 주파수 필터링 - 역변환"의 원리에 기반한 모든 의사 기계는 다시 그려야한다고 생각했습니다 ...
Prival이 맞습니다. 사용할 필터 구조/스키마에 따라 다릅니다. 정말 관심이 있다면 예를 들면 다음과 같습니다.
다시 그리기가 없습니다. 나는 이 필터들로 재미를 느끼곤 했다.
나는 그를 본다 - 공식은 어떻게 든 이해할 수없고 아바타는 그렇지 않습니다 :-) 나는 더 나은 것 같습니다 :-)
(비교 http://www.jurikres.com/catalog/ms_ama.htm#top ). 우리 비행기가 더 좋습니다 :-).
따라서 지표를 개선하고 적응력을 높일 것을 제안합니다. 아마도 좋은 일이 생길 것입니다.
아이디어는 다음과 같습니다.
1. 우리는 이 지표를 기반으로 합니다( 'Optimized AMA Kaufman: Perry Kaufman AMA optimized' ). 나뿐만 아니라 많은 사람들이 이미 작업했습니다. 이 지표의 이론은 파일에 설명되어 있습니다(파일 첨부). 우리는 이 지표(아이디어)에서 한 부분을 취합니다. 효율 계수 ER의 계산(0에서 1까지 다양). 2에서 N까지의 평균화(샘플링) 기간을 결정합니다(N은 알고리즘의 입력 매개변수로 제공됨). 그리고 여기 조금 더 까다롭습니다.
2. EMA(지수이동평균)가 아닌 다항식을 사용합니다. 다항식 n의 최대 차수(외부 매개변수로도 설정됨). 원칙적으로 중지하고 n을 변경하고 테스터에서 실행하면 이미 좋은 결과를 얻을 수 있다고 생각합니다. 그러나 IHMO 벼룩은 아직 완전히 익숙하지 않습니다. 계속 진행해 보겠습니다.
3. 일단 적응되면 완전히 적응하게 하십시오. 다음 추가는 다항식의 차수도 계산된다는 것입니다(어떤 기준에 따라 가장 좋은 것으로 선택됨). 소음에 대한 사전 정보가 없기 때문입니다. 나는 기준 - 결정 계수를 사용할 것을 제안합니다. 이 기준에 따라 최적의 다항식을 선택하는 전체 논리는 파일(아카이브의 파일, 12, 13 및 14페이지)에 설명되어 있습니다. 그것을 수행하는 방법에 대해 MathCade로 작성된 프로그램도 있습니다.
관심 있는 사람이 있으면 포인트 3을 프로그래밍하고 matkad를 다시 확인할 준비가 되었습니다. 그리고 나의 겸손한 능력으로 인해 MQL에서 그러한 지표를 생성하는 데 도움이 됩니다.
'비지연 또는 느리게 지연되는 지표'
--- 액자 ---
아이디어는 다음과 같습니다.
1. 우리는 이 지표를 기반으로 합니다( 'Optimized AMA Kaufman: Perry Kaufman AMA optimized' ). 나뿐만 아니라 많은 사람들이 이미 작업했습니다. 이 지표의 이론은 파일에 설명되어 있습니다(파일 첨부). 우리는 이 지표(아이디어)에서 한 부분을 취합니다. 효율 계수 ER의 계산(0에서 1까지 다양). 2에서 N까지의 평균화(샘플링) 기간을 결정합니다(N은 알고리즘의 입력 매개변수로 제공됨). 그리고 여기 조금 더 까다롭습니다.
2. EMA(지수이동평균)가 아닌 다항식을 사용합니다. 다항식 n의 최대 차수(외부 매개변수로도 설정됨). 원칙적으로 중지하고 n을 변경하고 테스터에서 실행하면 이미 좋은 결과를 얻을 수 있다고 생각합니다. 그러나 IHMO 벼룩은 아직 완전히 익숙하지 않습니다. 계속 진행해 보겠습니다.
3. 일단 적응되면 완전히 적응하게 하십시오. 다음 추가는 다항식의 차수도 계산된다는 것입니다(어떤 기준에 따라 가장 좋은 것으로 선택됨). 소음에 대한 사전 정보가 없기 때문입니다. 나는 기준 - 결정 계수를 사용할 것을 제안합니다. 이 기준에 따라 최적의 다항식을 선택하는 전체 논리는 파일(아카이브의 파일, 12, 13 및 14페이지)에 설명되어 있습니다. 그것을 수행하는 방법에 대해 MathCade로 작성된 프로그램도 있습니다.
독학으로 배운 겸손한 의견은 다음과 같습니다. 제안된 "적응형 필터" 모델이 작동하지 않을 것이며 이에 시간을 할애하지 않을 것입니다. 적응형 필터링이 아닙니다. 적응 필터링에 대한 견고하고 일관성 있고 입증된 이론이 있습니다. 그리고 적응형 필터를 만들고 싶다면 이 이론을 사용하십시오.
이 이론을 다루고 AF를 설계할 시간이 없다면 MathLab을 선택하고 필요한 필터를 설계하십시오(적응 필터링의 전문가가 아닌 경우 MathLab이 훨씬 더 잘 할 것입니다). 그런 다음 두 가지 방법이 있습니다. dll을 생성하거나 m-파일이 열려 있기 때문에 MQL로 이동하여 m-파일을 파헤치는 것입니다.
독학으로 배운 겸손한 의견은 다음과 같습니다. 제안된 "적응형 필터" 모델이 작동하지 않을 것이며 이에 시간을 할애하지 않을 것입니다. 적응형 필터링이 아닙니다. 적응 필터링에 대한 견고하고 일관되며 입증된 이론이 있습니다. 그리고 적응형 필터를 만들고 싶다면 이 이론을 사용하십시오.
이 이론을 다루고 AF를 설계할 시간이 없다면 MathLab을 선택하고 원하는 필터를 설계하십시오(적응형 필터링의 전문가가 아닌 경우 MathLab이 훨씬 더 잘 할 것입니다). 그런 다음 두 가지 방법이 있습니다. dll을 생성하거나 m-파일이 열려 있기 때문에 MQL로 이동하여 m-파일을 파헤치는 것입니다.
독학으로 배운 겸손한 의견은 다음과 같습니다. 제안된 "적응형 필터" 모델이 작동하지 않을 것이며 이에 시간을 할애하지 않을 것입니다. 적응형 필터링이 아닙니다. 적응 필터링에 대한 견고하고 일관되며 입증된 이론이 있습니다. 그리고 적응형 필터를 만들고 싶다면 이 이론을 사용하십시오.
이 이론을 다루고 AF를 설계할 시간이 없다면 MathLab을 선택하고 필요한 필터를 설계하십시오(적응 필터링의 전문가가 아닌 경우 MathLab이 훨씬 더 잘 할 것입니다). 그런 다음 두 가지 방법이 있습니다. dll을 생성하거나 m-파일이 열려 있기 때문에 MQL로 이동하여 m-파일을 파헤치는 것입니다.
어떤 의견인지 궁금합니다. DSP에 대해, 특히 내가 한 번 강의한 주제 중 하나(적응형 디지털 필터)를 모른다는 것. 아니면 Matlab에서 수행하는 것이 더 낫습니까? 그리고 글쓴이가 여기 저기 틀리는 것 같아요. 저는 이 분야에 대해 "약간의" 지식을 가지고 있으며 MathLaba보다 더 멋진 프로그래밍 언어가 있습니다. 그리고 계산 결과를 MT4 터미널로 전송하는 데 dll이 필요하지 않습니다( komposter 에 연락하기만 하면 됩니다).
내 제안에 대해 화실에 쓰고 적응형 그라스 필터링이 없다고 주장하는 것은 잘못된 것 같습니다. 그리고 그는 예를 들어 해밍 창을 사용해야 할 때, 언제, 어떤 이유로, 그리고 언제 해밍 창을 사용해야 하는지에 대해 대답할 수 없을 것입니다. PFC 또는 Chebyshev의 Butterworth 필터를 분석할 때 적응형 Wiener 필터와 Widrow-Hopf 필터의 차이점은 무엇이며 첫 번째 필터를 적용하는 것이 필요하고 가능할 때와 두 번째 필터를 적용할 때입니다.
grasn 및 NorthernWind , 세게 때리면 죄송하지만 그런 아이디어를 그냥 무시할 수는 없습니다. 저는 MathCade에서 작성한 모든 것을 최대 1-2시간 동안 프로그래밍해야 하며 이를 위해 누구의 도움도 필요하지 않습니다. 저는 다른 사람들이 적응형 필터를 원할 경우 드리블 방향을 보여주고 싶었고 이 문제에서 그들을 도울 준비가 되어 있습니다. 적응 필터 바다와 작은 카트.
그렇게 화를 내지 않기 위해 MathLaba 애호가로서 DSP에 대한 책을 제공하겠습니다. 이 DSP에 대한 간략한 989페이지가 있습니다. 이 프로그래밍 언어에만 많은 예가 있지만 내 겸손한 의견으로는 MathCad는 더 나은 :-)