... 그 본질은 매우 간단합니다. 입력에서 출력으로의 변환을 설명하는 구조는 유한합니다. 이러한 각 구조는 변환이 일어나는 특정 모델의 존재를 전제로 합니다. 관찰된 과정은 구조 사이의 전환(전환)에 의해 형성됩니다...
나는 당신이 올바른 방향으로 생각하고 있다고 생각합니다. 또한 특정 기간 동안의 가격은 이러한 구조 간의 전환이 아니라 가중치 조합이라고 덧붙입니다. 여기서 가장 중요한 것은 이러한 구조를 올바르게 찾는 것입니다. 그들은 무엇을 나타냅니까? 주 벡터? 푸리에 변환에서와 같은 사인과 코사인? 웨이블릿? 시계열에서 이러한 구조를 올바르게 결정하는 방법을 아는 사람이 있으면 생각을 공유하십시오. 많은 선택이 있을 수 있지만 하나만 옳습니다. 나는 가격을 설명하는 데 최소한의 금액이 필요한 구조(웨이블릿)가 정확하다고 생각합니다. 이것은 라디오 엔지니어링에 대한 나의 경험에서 나온 것입니다. 전송된 디지털 정보(100110...)는 디지털 필터/DAC 변조기를 거쳐 원래 정보보다 많은 값을 갖는 아날로그 신호로 변환된다. 구조 간의 전환으로 시장 가격을 나타내는 프로세스는 본질적으로 무선 신호를 복조하는 프로세스(또는 확률적 프로세스의 차원을 줄이는 프로세스)와 동일합니다. 이 신호를 적절하게 복조하려면 어떤 필터(구조)로 인코딩되었는지 알아야 합니다.
gpwr : 나는 당신이 올바른 방향으로 생각하고 있다고 생각합니다. 또한 특정 기간 동안의 가격은 이러한 구조 간의 전환이 아니라 가중치 조합이라고 덧붙입니다. 여기서 가장 중요한 것은 이러한 구조를 올바르게 찾는 것입니다. 그들은 무엇을 나타냅니까? 주 벡터? 푸리에 변환에서와 같은 사인과 코사인? 웨이블릿? 시계열에서 이러한 구조를 올바르게 결정하는 방법을 아는 사람이 있으면 생각을 공유하십시오. 많은 선택이 있을 수 있지만 하나만 옳습니다. 나는 가격을 설명하는 데 최소한의 금액이 필요한 구조(웨이블릿)가 정확하다고 생각합니다. 이것은 라디오 엔지니어링에 대한 나의 경험입니다. 전송된 디지털 정보(100110...)는 디지털 필터/DAC 변조기를 거쳐 원래 정보보다 많은 값을 갖는 아날로그 신호로 변환된다. 구조 간의 전환으로 시장 가격을 나타내는 프로세스는 본질적으로 무선 신호를 복조하는 프로세스(또는 확률적 프로세스의 차원을 줄이는 프로세스)와 동일합니다. 이 신호를 적절하게 복조하려면 어떤 필터(구조)로 인코딩되었는지 알아야 합니다.
무선 엔지니어로서(불행하게도 이미 과거에) 복조에 대한 귀하의 아이디어를 지지할 것입니다.
동기 감지의 아이디어는 그 자체로 제안됩니다. 가장 중요한 것은 기준 신호와 필터링 유형(비선형)을 결정하는 것입니다.
gpwr , 문제는 이 디코딩(또는 거의 동일한 구조 간 전환)이 비선형일 가능성이 높다는 것입니다.
이벤트 간의 선형 연결(피어슨 상관 관계)은 이벤트 간의 작은 "거리"에서도 사라집니다. 거리란 기본 TF의 단위 수를 의미합니다. 막대의 수.
지금까지는 더 이상 할 말이 없기 때문입니다. 나 자신도 어둠 속을 걷고 더듬는다.
이 구조 주제에 대한 나의 관심은 시장 가격을 예측하는 것보다 구조가 더 실용적인 응용 프로그램에서 비롯됩니다. 나는 이제 빠른 음성 인식을 위한 시스템 개발에 더 관심이 있습니다. 우리가 알다시피, 음성은 음소(동일한 구조)로 구성되며, 이 집합이 단어를 형성합니다. 예를 들어, 러시아어에는 150-200,000 단어를 형성하는 43개의 음소만 있습니다. 이 단어들은 차례로 문장과 우리의 말을 형성합니다. 연설은 우리가 알지 못하는 음소(구조)인 시장 가격과 동등한 것으로 간주될 수 있습니다. 이것이 소음처럼 보이는 이유입니다(외계인의 말을 상상해보십시오). 음성 음소는 소리 코드, 언어 등, 간단히 말해 음성 필터에 의해 생성되며, 그 입력은 호기 형태의 소음입니다. 언어에 대한 우리의 인식은 또한 다른 음소에 맞춰진 내이의 필터로 소리를 필터링하는 과정입니다. 즉, 간단히 말해서 코드화된 신호(말)는 입력(귀)에 입력되고 신호(말)는 출력(대뇌피질)에서 수신됩니다. 가격 예측은 미래의 음소(구조)를 예측하는 것입니다. 하지만 그건 관심이 없어요. 나는 과거와 현재의 음소(구조)의 인식에 관심이 있습니다. 이를 달성하려면 이러한 음소 사전이 있어야 하고 음성을 이러한 알려진 음소와 연관시켜야 합니다(물론 단순화됨). 대담자가 말하는 언어를 안다면 모든 것이 매우 간단합니다. 해당하는 음소 사전을 찾고 음성을 텍스트로 해독한 다음 사전으로 번역합니다. 그러나 우리가 말하는 사람의 언어를 모른다면 어떻게 될까요? 음성에서 음소를 식별하는 방법은 무엇입니까? 또는 주제에 대해 가격 견적에서 구조를 결정하는 방법은 무엇입니까? 그리고 가격 구조의 수는 음성 음소의 수(10-100)와 같은 순서여야 합니다.
Roman. : 여기에서 내 의견으로는 "시장 패턴"(일부는 음소를 작성할 때) 주제가 이미 가깝습니다. 특히 할당 및 인식, 이미 NS라고 가정 해 봅시다. 그 후 거래 결정은 이미 내려졌습니다. 이 같은.
동의한다. 음소, 구조, 패턴, 웨이블릿, 기본 기능과 같은 다양한 용어가 발명되었습니다. 저는 기본 기능이라는 용어를 선호합니다. 질문에 관심이 있습니다. 시계열을 알고 기본 기능을 자동으로 결정하는 방법은 무엇입니까? 물론 이 시리즈를 시각적으로 연구하고 삼각형, 깃발 및 기타 즐거운 모양을 찾을 수 있습니다. 그러나 아무도 이러한 패턴이 단지 상상의 산물이 아니라 통계적으로 중요하다는 것을 증명하지 못했습니다. 농담에서 방법을 기억하십시오.
정신과 의사는 환자에게 "그들에서 무엇을 볼 수 있습니까?"라고 묻는 다른 사진을 보여줍니다. 그때마다 환자는 "남자와 여자가 섹스를 하고 있습니다."라고 대답합니다. "당신은 일종의 자유분방한 사람입니다." 의사가 말했습니다. 그리고 환자는 "글쎄, 당신이 나에게이 타락한 사진을 보여주었습니다"라고 대답합니다.
통계적으로 중요한 기초 함수의 자동 결정은 다소 복잡한 과정이며, 신경망을 사용해도 올바르게 수행하는 방법을 아직까지 아무도 파악하지 못한 것 같습니다. 물론 작업을 단순화하고 시계열이 Haar 웨이블릿으로 분할되거나, 푸리에 급수에서와 같이 삼각 함수 또는 회귀에서 자주 사용되는 기타 기저 함수로 분할된다고 미리 가정할 수 있습니다. 또한 이러한 모든 기본 기능은 가격 시리즈이든 연설이든 우리 시리즈를 성공적으로 재생산할 것입니다. 그러나 음성을 Haar 웨이블릿으로 분해한다고 상상해보십시오. 음소와 관련이 없습니다. 가격 시리즈를 Haar 웨이블릿이나 삼각 함수로 나누는 것도 무의미합니다. 여기에서 압축 감지를 언급하는 것이 적절하며, 그 핵심은 가장 작은 기본 기능 세트로 신호를 설명하는 것입니다. 이 방법에 대한 많은 알고리즘이 있지만 모두 기본 함수가 우리에게 알려져 있다고 가정합니다. 요컨대, 가격대에서 기저 함수를 찾는 알고리즘에 대해 생각하는 사람이 있으면 공유해 주십시오.
동의한다. 음소, 구조, 패턴, 웨이블릿, 기본 기능과 같은 다양한 용어가 발명되었습니다. 저는 기본 기능이라는 용어를 선호합니다. 질문에 관심이 있습니다. 시계열을 알고 기본 기능을 자동으로 결정하는 방법은 무엇입니까? 물론 이 시리즈를 시각적으로 연구하고 삼각형, 깃발 및 기타 즐거운 모양을 찾을 수 있습니다. 그러나 아무도 이러한 패턴이 단지 상상의 산물이 아니라 통계적으로 중요하다는 것을 증명하지 못했습니다. 농담에서 방법을 기억하십시오.
정신과 의사는 환자에게 "그들에서 무엇을 볼 수 있습니까?"라고 묻는 다른 사진을 보여줍니다. 그때마다 환자는 "남자와 여자가 섹스를 하고 있습니다."라고 대답합니다. "당신은 일종의 자유분방한 사람이에요." 의사가 말했다. 그리고 환자는 "글쎄, 당신이 나에게이 타락한 사진을 보여주었습니다"라고 대답합니다.
통계적으로 중요한 기초 함수의 자동 결정은 다소 복잡한 과정이며, 신경망을 사용해도 올바르게 수행하는 방법을 아직까지 아무도 파악하지 못한 것 같습니다. 물론 작업을 단순화하고 시계열이 Haar 웨이블릿으로 분할되거나, 푸리에 급수에서와 같이 삼각 함수 또는 회귀에서 자주 사용되는 기타 기저 함수로 분할된다고 미리 가정할 수 있습니다. 또한 이러한 모든 기본 기능은 가격 시리즈이든 연설이든 우리 시리즈를 성공적으로 재생산할 것입니다. 그러나 음성을 Haar 웨이블릿으로 분해한다고 상상해보십시오. 음소와 관련이 없습니다. 가격 시리즈를 Haar 웨이블릿이나 삼각 함수로 나누는 것도 무의미합니다. 여기에서 압축 감지를 언급하는 것이 적절하며, 그 핵심은 가장 작은 기본 기능 세트로 신호를 설명하는 것입니다. 이 방법에 대한 많은 알고리즘이 있지만 모두 기본 함수가 우리에게 알려져 있다고 가정합니다. 요컨대, 가격대에서 기저 함수를 찾는 알고리즘에 대해 생각하는 사람이 있으면 공유해 주십시오.
[url=https://www.mql5.com/ru/articles/250]"Universal Regression Model for Market Price Prediction"[/url]의 (18)을 기본 함수로 사용해 보았습니다. 합, 곱, 로그, 거듭제곱, 지수 등을 포함하여 가능한 모든 조합으로 다양한 함수에서 인위적으로 컴파일된 종속성을 만족스럽게 설명합니다.
시장 모델
... 그 본질은 매우 간단합니다. 입력에서 출력으로의 변환을 설명하는 구조는 유한합니다. 이러한 각 구조는 변환이 일어나는 특정 모델의 존재를 전제로 합니다. 관찰된 과정은 구조 사이의 전환(전환)에 의해 형성됩니다...
동료 여러분, 나는 오랫동안 포럼을 떠날 것입니다. 관련 동향.
gpwr , 문제는 이 디코딩(또는 거의 동일한 구조 간 전환)이 비선형일 가능성이 높다는 것입니다.
사건 간의 선형 연결(피어슨 상관 관계)은 사건 간의 작은 "거리"에서도 사라집니다. 거리라는 것은 기본 TF의 단위 수를 의미합니다. 막대의 수.
지금까지는 더 이상 할 말이 없기 때문입니다. 나 자신도 어둠 속을 걷고 더듬는다.
나는 당신이 올바른 방향으로 생각하고 있다고 생각합니다. 또한 특정 기간 동안의 가격은 이러한 구조 간의 전환이 아니라 가중치 조합이라고 덧붙입니다. 여기서 가장 중요한 것은 이러한 구조를 올바르게 찾는 것입니다. 그들은 무엇을 나타냅니까? 주 벡터? 푸리에 변환에서와 같은 사인과 코사인? 웨이블릿? 시계열에서 이러한 구조를 올바르게 결정하는 방법을 아는 사람이 있으면 생각을 공유하십시오. 많은 선택이 있을 수 있지만 하나만 옳습니다. 나는 가격을 설명하는 데 최소한의 금액이 필요한 구조(웨이블릿)가 정확하다고 생각합니다. 이것은 라디오 엔지니어링에 대한 나의 경험입니다. 전송된 디지털 정보(100110...)는 디지털 필터/DAC 변조기를 거쳐 원래 정보보다 많은 값을 갖는 아날로그 신호로 변환된다. 구조 간의 전환으로 시장 가격을 나타내는 프로세스는 본질적으로 무선 신호를 복조하는 프로세스(또는 확률적 프로세스의 차원을 줄이는 프로세스)와 동일합니다. 이 신호를 적절하게 복조하려면 어떤 필터(구조)로 인코딩되었는지 알아야 합니다.
무선 엔지니어로서(불행하게도 이미 과거에) 복조에 대한 귀하의 아이디어를 지지할 것입니다.
동기 감지의 아이디어는 그 자체로 제안됩니다. 가장 중요한 것은 기준 신호와 필터링 유형(비선형)을 결정하는 것입니다.
gpwr , 문제는 이 디코딩(또는 거의 동일한 구조 간 전환)이 비선형일 가능성이 높다는 것입니다.
이벤트 간의 선형 연결(피어슨 상관 관계)은 이벤트 간의 작은 "거리"에서도 사라집니다. 거리란 기본 TF의 단위 수를 의미합니다. 막대의 수.
지금까지는 더 이상 할 말이 없기 때문입니다. 나 자신도 어둠 속을 걷고 더듬는다.
이 구조 주제에 대한 나의 관심은 시장 가격을 예측하는 것보다 구조가 더 실용적인 응용 프로그램에서 비롯됩니다. 나는 이제 빠른 음성 인식을 위한 시스템 개발에 더 관심이 있습니다. 우리가 알다시피, 음성은 음소(동일한 구조)로 구성되며, 이 집합이 단어를 형성합니다. 예를 들어, 러시아어에는 150-200,000 단어를 형성하는 43개의 음소만 있습니다. 이 단어들은 차례로 문장과 우리의 말을 형성합니다. 연설은 우리가 알지 못하는 음소(구조)인 시장 가격과 동등한 것으로 간주될 수 있습니다. 이것이 소음처럼 보이는 이유입니다(외계인의 말을 상상해보십시오). 음성 음소는 소리 코드, 언어 등, 간단히 말해 음성 필터에 의해 생성되며, 그 입력은 호기 형태의 소음입니다. 언어에 대한 우리의 인식은 또한 다른 음소에 맞춰진 내이의 필터로 소리를 필터링하는 과정입니다. 즉, 간단히 말해서 코드화된 신호(말)는 입력(귀)에 입력되고 신호(말)는 출력(대뇌피질)에서 수신됩니다. 가격 예측은 미래의 음소(구조)를 예측하는 것입니다. 하지만 그건 관심이 없어요. 나는 과거와 현재의 음소(구조)의 인식에 관심이 있습니다. 이를 달성하려면 이러한 음소 사전이 있어야 하고 음성을 이러한 알려진 음소와 연관시켜야 합니다(물론 단순화됨). 대담자가 말하는 언어를 안다면 모든 것이 매우 간단합니다. 해당하는 음소 사전을 찾고 음성을 텍스트로 해독한 다음 사전으로 번역합니다. 그러나 우리가 말하는 사람의 언어를 모른다면 어떻게 될까요? 음성에서 음소를 식별하는 방법은 무엇입니까? 또는 주제에 대해 가격 견적에서 구조를 결정하는 방법은 무엇입니까? 그리고 가격 구조의 수는 음성 음소의 수(10-100)와 같은 순서여야 합니다.
gpwr :
...
그리고 가격 구조의 수는 음성 음소의 수(10-100)와 같은 순서여야 합니다.
여기에서 내 의견으로는 "시장 패턴"(일부는 음소를 작성할 때) 주제가 이미 가깝습니다. 특히 할당 및 인식, 이미 NS라고 가정 해 봅시다. 그 후 거래 결정은 이미 내려졌습니다. 이 같은.
동의한다. 음소, 구조, 패턴, 웨이블릿, 기본 기능과 같은 다양한 용어가 발명되었습니다. 저는 기본 기능이라는 용어를 선호합니다. 질문에 관심이 있습니다. 시계열을 알고 기본 기능을 자동으로 결정하는 방법은 무엇입니까? 물론 이 시리즈를 시각적으로 연구하고 삼각형, 깃발 및 기타 즐거운 모양을 찾을 수 있습니다. 그러나 아무도 이러한 패턴이 단지 상상의 산물이 아니라 통계적으로 중요하다는 것을 증명하지 못했습니다. 농담에서 방법을 기억하십시오.
정신과 의사는 환자에게 "그들에서 무엇을 볼 수 있습니까?"라고 묻는 다른 사진을 보여줍니다. 그때마다 환자는 "남자와 여자가 섹스를 하고 있습니다."라고 대답합니다. "당신은 일종의 자유분방한 사람입니다." 의사가 말했습니다. 그리고 환자는 "글쎄, 당신이 나에게이 타락한 사진을 보여주었습니다"라고 대답합니다.
통계적으로 중요한 기초 함수의 자동 결정은 다소 복잡한 과정이며, 신경망을 사용해도 올바르게 수행하는 방법을 아직까지 아무도 파악하지 못한 것 같습니다. 물론 작업을 단순화하고 시계열이 Haar 웨이블릿으로 분할되거나, 푸리에 급수에서와 같이 삼각 함수 또는 회귀에서 자주 사용되는 기타 기저 함수로 분할된다고 미리 가정할 수 있습니다. 또한 이러한 모든 기본 기능은 가격 시리즈이든 연설이든 우리 시리즈를 성공적으로 재생산할 것입니다. 그러나 음성을 Haar 웨이블릿으로 분해한다고 상상해보십시오. 음소와 관련이 없습니다. 가격 시리즈를 Haar 웨이블릿이나 삼각 함수로 나누는 것도 무의미합니다. 여기에서 압축 감지를 언급하는 것이 적절하며, 그 핵심은 가장 작은 기본 기능 세트로 신호를 설명하는 것입니다. 이 방법에 대한 많은 알고리즘이 있지만 모두 기본 함수가 우리에게 알려져 있다고 가정합니다. 요컨대, 가격대에서 기저 함수를 찾는 알고리즘에 대해 생각하는 사람이 있으면 공유해 주십시오.
... 요컨대, 가격대에서 기저 함수를 찾는 알고리즘에 대해 생각하는 사람이 있으면 공유하십시오.
무선 엔지니어로서(불행하게도 이미 과거에) 복조에 대한 귀하의 아이디어를 지지할 것입니다.
동기 감지의 아이디어는 그 자체로 제안됩니다. 가장 중요한 것은 기준 신호와 필터링 유형(비선형)을 결정하는 것입니다.
나는 이미 그것을 좋아합니다 .. Sergey, 라디오 (전신 등)가 작동하는 물리학의 주요 원리는 무엇입니까
동의한다. 음소, 구조, 패턴, 웨이블릿, 기본 기능과 같은 다양한 용어가 발명되었습니다. 저는 기본 기능이라는 용어를 선호합니다. 질문에 관심이 있습니다. 시계열을 알고 기본 기능을 자동으로 결정하는 방법은 무엇입니까? 물론 이 시리즈를 시각적으로 연구하고 삼각형, 깃발 및 기타 즐거운 모양을 찾을 수 있습니다. 그러나 아무도 이러한 패턴이 단지 상상의 산물이 아니라 통계적으로 중요하다는 것을 증명하지 못했습니다. 농담에서 방법을 기억하십시오.
정신과 의사는 환자에게 "그들에서 무엇을 볼 수 있습니까?"라고 묻는 다른 사진을 보여줍니다. 그때마다 환자는 "남자와 여자가 섹스를 하고 있습니다."라고 대답합니다. "당신은 일종의 자유분방한 사람이에요." 의사가 말했다. 그리고 환자는 "글쎄, 당신이 나에게이 타락한 사진을 보여주었습니다"라고 대답합니다.
통계적으로 중요한 기초 함수의 자동 결정은 다소 복잡한 과정이며, 신경망을 사용해도 올바르게 수행하는 방법을 아직까지 아무도 파악하지 못한 것 같습니다. 물론 작업을 단순화하고 시계열이 Haar 웨이블릿으로 분할되거나, 푸리에 급수에서와 같이 삼각 함수 또는 회귀에서 자주 사용되는 기타 기저 함수로 분할된다고 미리 가정할 수 있습니다. 또한 이러한 모든 기본 기능은 가격 시리즈이든 연설이든 우리 시리즈를 성공적으로 재생산할 것입니다. 그러나 음성을 Haar 웨이블릿으로 분해한다고 상상해보십시오. 음소와 관련이 없습니다. 가격 시리즈를 Haar 웨이블릿이나 삼각 함수로 나누는 것도 무의미합니다. 여기에서 압축 감지를 언급하는 것이 적절하며, 그 핵심은 가장 작은 기본 기능 세트로 신호를 설명하는 것입니다. 이 방법에 대한 많은 알고리즘이 있지만 모두 기본 함수가 우리에게 알려져 있다고 가정합니다. 요컨대, 가격대에서 기저 함수를 찾는 알고리즘에 대해 생각하는 사람이 있으면 공유해 주십시오.