푸리에 기반 가설 - 페이지 9

 
grasn писал(а) >>

선형 대수학자는 아니지만 더 빠른 알고리즘에 대한 설명을 본 적이 있습니다. 그건 그렇고, 누군가가 그것을 가지고 있다면 - Urain 을 통과하면 계산 속도 측면에서 훨씬 더 유용한 라이브러리가있을 것입니다.

더 빠른 알고리즘은 가우스 방법(적절한 수정 포함)입니다.

어제 저는 선형 대수학 라이브러리를 작성하기 시작했습니다(저는 Urain 라이브러리에 의존하지 않았습니다). 내 라이브러리에는 더 많은 가능성이 있습니다. 기다리다.

 
lea писал(а) >>

더 빠른 알고리즘은 가우스 방법(적절한 수정 포함)입니다.

어제 저는 선형 대수학 라이브러리를 작성하기 시작했습니다(저는 Urain 라이브러리에 의존하지 않았습니다). 내 라이브러리에는 더 많은 가능성이 있습니다. 기다리다.

제 말이 공허하게 느껴지지 않도록 제 라이브러리의 헤더 파일을 올리겠습니다. 나는 여전히 라이브러리 자체를 확장하고 테스트하고 있습니다(나는 메이플에서 계산을 확인합니다).

파일:
libmatrix.mqh  18 kb
 
grasn >> :

선형 대수학자는 아니지만 더 빠른 알고리즘에 대한 설명을 본 적이 있습니다. 그건 그렇고, 누군가가 Urain을 통과한다면 계산 속도 측면에서 훨씬 더 유용한 라이브러리가 될 것입니다.

행렬을 삼각형 형태로 가져옵니다. 예를 들어 Jordan-Gauss를 제거하는 방법을 사용하여 (꼬인 모자) 대각선 요소의 곱은 원래 행렬의 결정 요인입니다(여기서 기호는 다음과 같은 경우에도 고려해야 합니다. 제거하는 동안 행 재정렬). 그 후, 프라이빗 마이너 및 프라이빗 행렬식을 사용하여 전체 행렬을 추가로 반전할 수 있습니다. 표준 방법보다 10배 빠르게 작동합니다. 그리고 canonical short algorithm만으로도 프로그램의 정확성을 확인할 수 있다.

1. C의 수치 레시피, 제2판(1992)

선형 대수 방정식의 해

http://www.nrbook.com/a/bookcpdf.php


그건 그렇고, 유용한 무료 좋은 책도 있습니다 (대부분 푸리에에 전념하지만)

2. 디지털 신호 처리에 대한 과학자 및 엔지니어 안내서
저자 Steven W. Smith, Ph.D.

http://www.dspguide.com/pdfbook.htm

 
AlexEro >> :

행렬을 삼각형 형태로 가져옵니다. 예를 들어 Jordan-Gauss를 제거하는 방법을 사용하여 (꼬인 모자) 대각선 요소의 곱이 원래 행렬의 결정 요인입니다(여기에서 기호는 다음과 같은 경우에도 고려해야 합니다. 제거하는 동안 행 재정렬). 그 후, 프라이빗 마이너 및 프라이빗 행렬식을 사용하여 전체 행렬을 추가로 반전할 수 있습니다. 표준 방법보다 10배 빠르게 작동합니다. 그리고 canonical short algorithm만으로도 프로그램의 정확성을 확인할 수 있다.

1. C의 수치 레시피, 제2판(1992)

선형 대수 방정식의 해

http://www.nrbook.com/a/bookcpdf.php


그건 그렇고, 유용한 무료 좋은 책도 있습니다 (대부분 푸리에에 전념하지만)

2. 디지털 신호 처리에 대한 과학자 및 엔지니어 안내서
저자 Steven W. Smith, Ph.D.

http://www.dspguide.com/pdfbook.htm


실제로 이 방법은 Determinant를 찾는 데 구현되지만 Reversal에 대해 더 빠른 것이 있습니다.

각 셀에 대한 마이너를 찾아 행렬식으로 나눕니다.(N^2 Minors를 찾아야 하고, 마이너도 행렬식의 순위가 적습니다)

 
Urain писал(а) >>

실제로 이 방법은 Determinant를 찾는 데 구현되지만 Reversal에 대해 더 빠른 것이 있습니다.

각 셀에 대한 마이너를 찾아 행렬식으로 나눕니다.(N^2 Minors를 찾아야 하고, 마이너도 행렬식의 순위가 적습니다)

가우스 방법을 이에 적용할 수 있습니다. 오(N^3). Wikipedia "역행렬" 보기

 
Urain >> :

실제로 이 방법은 Determinant를 찾는 데 구현되지만 Appeal에 더 빠른 것이 있습니다.

각 셀에 대한 마이너를 찾아 행렬식으로 나눕니다.(N^2 Minors를 찾아야 하고, 마이너도 행렬식의 순위가 적습니다)

이 주기는 약간의 시간이 걸립니다. 문제는 미성년자를 재귀 적으로 계산한다는 것입니다. 맞습니까? 이것은 재귀를 통하지 않고 각 (부, 전용, 부분행렬) 행렬을 삼각형 형태로 축소함으로써 각 소수를 계산함으로써 가속화될 수 있습니다.

 
grasn >> :

이러한 행렬의 행은 본질적으로 주어진 기록에 대한 KP 계수의 역학입니다. 그리고 그러한 시리즈는 이상하지 않기 때문에 고정되어 있고 많은 장점이 있습니다. 예를 들어 다음은 몇 가지 샘플입니다.

주파수 0:

Mathcade 프로그램에 감사드립니다. 나는 그것을 반복하려고 시도했지만 그것이 당신의 예와 조금 다르게 행동한다는 사실을 발견했습니다. 예측을 위해 EURUSD에서 1500바 길이의 M15 구간을 지난 주에 가져왔습니다. 테스트 사이트와 거의 같습니다.

그러나 CreateModeMatrix() 프로시저를 적용한 후 Frequency 0에서 완전히 다른 그림을 얻었습니다.


그림은 다른 주파수에서 거의 동일합니다. 즉, 귀하의 예와 같이 긴 기간이 아닙니다. 어렵지 않다면 어떤 옵션이 올바른지 귀하의 의견을 말씀해 주십시오.

) 다른 데이터 세트 - 다른 특성;

b) DW 매트릭스 결과의 잘못된 해석;

c) 프로그램을 입력할 때 오타.

 
equantis >> :

Mathcade 프로그램에 감사드립니다. 나는 그것을 반복하려고 시도했지만 그것이 당신의 예와 조금 다르게 행동한다는 사실을 발견했습니다. 예측을 위해 EURUSD에서 1500바 길이의 M15 구간을 지난 주에 가져왔습니다. 테스트 사이트와 거의 같습니다.

그러나 CreateModeMatrix() 프로시저를 적용한 후 Frequency 0에서 완전히 다른 그림을 얻었습니다.


그림은 다른 주파수에서 거의 동일합니다. 즉, 귀하의 예와 같이 긴 기간이 아닙니다. 어렵지 않다면 어떤 옵션이 올바른지 귀하의 의견을 말씀해 주십시오.

) 다른 데이터 세트 - 다른 특성;

b) DW 매트릭스 결과의 잘못된 해석;

c) 프로그램을 입력할 때 오타.


구현 1:1?


추신: 부록. 1:1이고 입력된 번호가 따옴표라면 오히려 이상합니다. 그림이 안정적이라면 이미 정말 이상합니다.

 
Urain >> :

각 셀에 대한 마이너를 찾아 행렬식으로 나눕니다.(N^2 Minors를 찾아야 하고, 마이너도 행렬식의 순위가 적습니다)

물론 느린 방법. 일반적으로 100 x 100 행렬에 대한 것을 어떻게 얻었는지 놀랍습니다.

 

만일을 대비하여 내 양심을 진정시키기 위해 :o)

경고

푸리에 변환을 적용하는 주제를 보면서 예전에 재미있게 봤던 것이 생각나서 "없으면 안 되는 모델들의 창고"가 있을 거라고 생각해서 썼습니다. 그런 다음 이 접근 방식을 구현하는 것이 복잡하고 현실적으로 불가능하다는 사실을 깨닫고 솔직히 이 모델을 포기했습니다. 이것은 단지 개념일 뿐이며, 우리는 복잡한 것을 단순하게 나눕니다. 실제로 50, 100 또는 그 이상의 예측을 충분히 정확하게 하여 온건하게 표현하는 것은 불가능하다는 것이 밝혀졌습니다. 자연은 속이기 매우 어렵거나 불가능합니다. 그리고 모든 것이 마침내 첫 번째 예측 판독값이 필요하지 않고(가장 정확함) 예측 시리즈의 마지막 판독값이 필요하고 가장 부정확한 것이라는 사실로 인해 악화됩니다 . 그리고 행 자체는 그렇게 간단하지 않습니다. 결과적으로 거래에 대한 예측 을 사용하는 것은 실제로 불가능합니다(성공적인 단일 그림에 주의를 기울일 필요가 없음).


이 방향에 시간을 할애해야 하는지 잘 모르겠습니다 ... 물론 해결책이 있을 수 있지만 시장 시세의 모든 세부 사항을 고려할 때 해결책을 찾는 것은 매우, 매우, 매우 매우 어렵습니다.