여기서 x[] - 입력 데이터, a[] - 계수, f[][] - 회귀 함수, e[] - 모델 오류. 예를 들어, f[i][n] = exp(j*2*pi*i*n/N)인 경우 이 공식은 푸리에 급수를 제공합니다. 오류 e[]가 가우시안이라고 가정하면, 즉 P(e) ~ exp(-e^2/2/s^2), IMF는 LSM, 즉 오차의 제곱합을 최소화하여 계수 a[] 찾기:
개체 함수 = SUM(e[n]^2) = SUM( (x[n] - y[n])^2 ).
오류 e[]가 Laplacian, 즉 P(e) ~ exp(-|e|/s), MMP는 MIS, 즉 오류 모듈의 합을 최소화하여 계수 a[] 찾기:
개체 함수 = SUM(|e[n]|) = SUM( |x[n] - y[n]| ).
더 일반적으로 오류는 슈퍼 가우스 분포 P(e) ~ exp(-e^q)로 설명할 수 있습니다. 왜 모든 사람들이 가우스 분포를 선택합니까? 예, 선형 모델의 LSM은 Obj Func를 미분하고 결과를 0으로 동일시함으로써 쉽게 해결되기 때문입니다. 예를 들어 데이터를 푸리에 급수로 확장하는 방법이 다음과 같습니다. SUM( |x[n] - y[n]| )을 구별해 보십시오.
그렇다면 올바른 오차 분포는 무엇입니까? 선형 모델로 모델링하는 프로세스의 특성에 따라 다릅니다. 당신이 확신한다면
(1) 주가는 사인과 코사인이 있는 선형 모델로 설명되며,
(2) 모델 오차는 라플라시안 분포를 따라야 합니다.
그런 다음 SUM( |x[n] - y[n]| )을 최소화하십시오. Fields Prize에 대한 신청서를 제출하는 것을 잊지 마십시오.
Freud : 간단히 말해서 물리학은 항상 수학으로 설명할 수 있지만 수학은 항상 물리학으로 설명할 수 없다는 것이 밝혀졌습니다. 그렇다면 과학의 여왕으로서 수학은 다시 한번 이성 의식을 기절시켰다)))
합리적 의식이란 무엇인가? 가격에 정현파를 포함하시겠습니까? 아니면 MNM에서 합니까? 그리고 물리학은 무엇입니까? 푸리에에서와 같이 사인과 코사인뿐만 아니라 N개의 직교 함수를 일련의 N 값에 입력할 수 있음을 이해합니다. 그런 다음 정확히 사인과 코사인이 시장 가격 모델링에 물리적 의미를 갖는 이유에 대해 생각해 보십시오.
이것은 푸리에에 적용되지 않는 것들입니다.)
아래 그림에서 푸리에 변환 과정에서 얻은 빨간색 곡선과 몇 가지 기능..
녹색은 원본 데이터입니다..
변환 과정에서 시작 시점[0]에서 안정적인 프로세스를 얻기 위해서는 변환 주기의 선택이 필요합니다..
푸리에 변환은 향후 이 프로세스에 영향을 미치지 않습니다.
그러나 귀하의 방법에 따라 더 나아가 동일한 방식으로 빨간색과 녹색 선 사이의 나머지를 확장하면 어떻게 될까요?
나는 우리의 경우라고 생각한다.
https://www.mql5.com/go?link=http://dxdy.ru/topic54592.html
및 lsm 및 mnm는 https://ru.wikipedia.org/wiki/Maximum-likelihood_method 로 대체하는 것이 더 적절할 수 있습니다.
누가 이것에 대해 생각합니다.
나는 우리의 경우라고 생각한다.
https://www.mql5.com/go?link=http://dxdy.ru/topic54592.html
및 lsm 및 mnm는 https://ru.wikipedia.org/wiki/Maximum-likelihood_method 로 대체하는 것이 더 적절할 수 있습니다.
비밀을 말씀드리자면 LSM과 MNM은 MMP의 특수한 경우입니다.
나는 또한 전 세계에 대한 비밀을 추가할 것입니다. 오류가 가우시안이라는 가정 하에 LSM은 MMP에서 따르고, MNM은 오류가 라플라시안이라는 가정 하에 MMP에서 따릅니다. 즉, 선형 모델링 문제가 있습니다.
x[n] = SUM( a[i]*f[i][n] ) + e[n], n=1...N
또는
x[n] = y[n] + e[n], 여기서 y[n] = SUM( a[i]*f[i][n] ), n=1...N
여기서 x[] - 입력 데이터, a[] - 계수, f[][] - 회귀 함수, e[] - 모델 오류. 예를 들어, f[i][n] = exp(j*2*pi*i*n/N)인 경우 이 공식은 푸리에 급수를 제공합니다. 오류 e[]가 가우시안이라고 가정하면, 즉 P(e) ~ exp(-e^2/2/s^2), IMF는 LSM, 즉 오차의 제곱합을 최소화하여 계수 a[] 찾기:
개체 함수 = SUM(e[n]^2) = SUM( (x[n] - y[n])^2 ).
오류 e[]가 Laplacian, 즉 P(e) ~ exp(-|e|/s), MMP는 MIS, 즉 오류 모듈의 합을 최소화하여 계수 a[] 찾기:
개체 함수 = SUM(|e[n]|) = SUM( |x[n] - y[n]| ).
더 일반적으로 오류는 슈퍼 가우스 분포 P(e) ~ exp(-e^q)로 설명할 수 있습니다. 왜 모든 사람들이 가우스 분포를 선택합니까? 예, 선형 모델의 LSM은 Obj Func를 미분하고 결과를 0으로 동일시함으로써 쉽게 해결되기 때문입니다. 예를 들어 데이터를 푸리에 급수로 확장하는 방법이 다음과 같습니다. SUM( |x[n] - y[n]| )을 구별해 보십시오.
그렇다면 올바른 오차 분포는 무엇입니까? 선형 모델로 모델링하는 프로세스의 특성에 따라 다릅니다. 당신이 확신한다면
(1) 주가는 사인과 코사인이 있는 선형 모델로 설명되며,
(2) 모델 오차는 라플라시안 분포를 따라야 합니다.
그런 다음 SUM( |x[n] - y[n]| )을 최소화하십시오. Fields Prize에 대한 신청서를 제출하는 것을 잊지 마십시오.
Fields Prize에 대한 신청서를 제출하는 것을 잊지 마십시오.
수학은 과학 의 언어 입니다. 그것은 사실과 관련이 없습니다.
그러나 사실은 때때로 수학의 언어로 아주 정확하게 기술될 수 있으며, 이를 물리학이라고 합니다.
간단히 말해서 물리학은 항상 수학으로 설명할 수 있지만 수학은 항상 물리학으로 설명할 수 없다는 것이 밝혀졌습니다. 그렇다면 과학의 여왕으로서 수학은 다시 한번 이성 의식을 기절시켰다)))
합리적 의식이란 무엇인가? 가격에 정현파를 포함하시겠습니까? 아니면 MNM에서 합니까? 그리고 물리학은 무엇입니까? 푸리에에서와 같이 사인과 코사인뿐만 아니라 N개의 직교 함수를 일련의 N 값에 입력할 수 있음을 이해합니다. 그런 다음 정확히 사인과 코사인이 시장 가격 모델링에 물리적 의미를 갖는 이유에 대해 생각해 보십시오.