Обсуждение статьи "Нейросети — это просто (Часть 92): Адаптивное прогнозирование в частотной и временной областях"
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Нейросети — это просто (Часть 92): Адаптивное прогнозирование в частотной и временной областях:
Авторы метода FreDF экспериментально подтвердили преимущество комбинированного прогнозирования в частотной и временной областях. Однако применение весового гиперпараметра не является оптимальным для нестационарных временных рядов. В данной статье я предлагаю познакомиться с методом адаптивного сочетания прогнозов в частотной и временной областях.
Временная и частотная область — это два фундаментальных представления, используемых для анализа данных временных рядов. Во временной области анализ фокусируется на изменениях амплитуды во времени, что позволяет идентифицировать локальные зависимости и переходные процессы внутри сигнала. И наоборот, анализ частотной области направлен на представление временных рядов с точки зрения их частотных компонентов, обеспечивая понимание глобальных зависимостей и спектральных характеристик данных. Объединение преимуществ обеих областей является многообещающим подходом для решения проблемы смешивания различных периодических свойств в реальных временных рядах. И здесь мы сталкиваемся с проблемой эффективного объединения преимуществ временной и частотной областей.
По сравнению с достижениями во временной области, в частотной области все еще остается много неисследованных областей. В последних статьях мы познакомились с некоторыми примерами использования частотной области для лучшей обработки глобальных зависимостей временных рядов. Непосредственное прогнозирование в частотной области позволяет использовать больше спектральной информации для повышения точности прогнозов временных рядов. Однако существуют некоторые проблемы, связанные с прямым прогнозированием спектра в частотной области. Одной из этих проблем является потенциальное несовпадение частотных характеристик между спектром известных анализируемых данных и полным спектром изучаемого временного ряда, возникающее в результате использования дискретного преобразования Фурье (DFT). Это несовпадение затрудняет точное представление информации о конкретных частотах во всем спектре исходных данных, что приводит к неточностям прогнозирования.
Автор: Dmitriy Gizlyk