Fourier tabanlı hipotez - sayfa 5

 

Ha ha ha! Tekrar?

Aynı tırmık?

Bu tartışmaya katılanların bir arkadaşı nasıl anladıkları (olup olmadığı) hayret vericidir: her birinin kendi kelime dağarcığı, kendi semantiği, kendi kullanımı vardır, tanımlanan fenomenler ile kelimeler arasında kesinlikle hiçbir nedensel ilişki yoktur, onlar anlamazlar. Forumda veya İnternette aramayı nasıl kullanacağınızı bilin.

Bu konu matematikçiler veya tüccarlar için değil , psikiyatristler içindir . Burada yapacakları çok iş olacak.

 
NEKSUS_ писал(а) bu fikrin bir uygulaması zaten var, "Montecarlo FFT"

Evet, ne yazık ki, bugünün resminden çok fazla sonuç çıkaramazsınız - yukarı (daha fazla ok) veya aşağı ... Yarın göreceğiz - kontrol edeceğiz))

Ve yukarıdaki grafikte, Fourier serisi bir ekstrapolasyon fonksiyonu olarak mı kullanılıyor?

 

Evet, ben Fourier, ama ayrıntıları bu mucizenin yazarına sormak daha iyidir: njel

dünkü resim

 

Boş bir dakika kullanarak söz verilen materyalleri yayınlıyorum. Belirtilen yöntem dört yıl önce, belki de beş yıl önce araştırıldı. Bu proje ile arşivi kendim bulamadım, algoritma basit olduğu için sonuçları bellekten geri yüklemek zorunda kaldım ve MathCAD zamanı önemli ölçüde azalttı. Konsept, eğer böyle bir kelime böyle bir yöntem için uygunsa, klasik olduğu söylenebilir - “karmaşık” ı basit bileşenlere ayırıyoruz ve her biri ile ayrı ayrı çalışıyoruz, yani. özellikleri ve davranışları açısından son derece karmaşık bir diziyi öngörmek yerine, “basit” ancak çok sayıda diziyi öngörmeye dönüyoruz. Kosinüs genişlemesi kullanılır ve belirtilen genişlemenin katsayılarının bazı yararlı özellikleri.

Yöntemin sonuçlarını gösteren bir örnek olarak, aşağıdaki girdi parametreleriyle ilk kullanılabilir segmenti aldım:

Görüntü matrisinin montajı

Sistem için tarihsel seri girdisini alıyoruz, uzunluğunu ölçüyoruz. Pencerenin uzunluğunu hesaba katarak, numunenin başından sonuna kadar sabit bir kayar pencereden geçiyoruz. Her örnekte kosinüs dönüşümünü (CT) hesaplıyoruz . Sonuçları bir diziye koyarız:

  • sütunlar, bazı geri sayımlarda KP
  • dönüştürme frekans dizileri (bundan sonra 0'dan w-1'e kadar frekans numaralandırmasını kullanacağım)


Böyle bir matrisin satırı, esasen, verilen geçmiş üzerindeki KP katsayısının dinamiğidir. Ve bu tür seriler, garip olmadığı için durağandır ve bir sürü avantajı vardır. Örneğin, işte birkaç örnek:

Frekans 0:


Frekans 5:


Frekans 10:


Frekans 110:

Tahmin etmek

Bu nedenle, matristeki bu tür her bir satır (kayan pencerede okumalar olduğu kadar çoğuna sahibim) bir ufuk için AR modelinin yardımıyla tahmin ediyorum. W uzunluğundan daha küçük olması önemlidir. Seri neredeyse durağan olduğundan, AR modellerini belirlemede bazı yöntemler kullanılabilir. Parametre seçimi ve modelin kendisinin açıklaması hakkında herhangi bir özel yorum yapmadan, örnek olarak, 500 numunelik bir uzunluk için (görselleştirme için) 110 frekans modeline göre AR tahminini ekliyorum:


Bir döngüde, hesaplama matrisinin her satırı için (her frekans için) bir tahmin gerçekleştiririm:


Örnek, her frekans için tamamen doğru olmayan bir AR modeli sırasını kullanır. Her frekans için tanımlama yapılmalıdır. Ama bu genellikle ayrı bir konu, ayrıca sinyalin bir kısmını biliyoruz, bu yüzden onu tanımlama için kullanabiliriz. Genel olarak, burada çok şey var.

Satır kurtarma

Tahmin matrisini aldıktan sonra, istenen sinyal görüntüsünü (matristeki en sağdaki sütun) seçer ve sinyal kurtarma işlemini gerçekleştiririz:

muayene

Gerçekle yüzleşelim. Koşullara uygun olarak, 2*tau'dan daha eski tüm okumalar tahmine dayalıdır.

Gördüğünüz şey bir yanılsama veya aldatma değil, yöntem kesinlikle bilimsel (peki, neredeyse böyle :o), işe yarıyor, en azından bazen TAM işe yarıyor :o))), tanımlamadaki tüm gerçekler gömülü, ek araştırmalar gerekli ve tüm bunlar, sürdürülebilir endüstriyel versiyona kadar getirilebilir.

Not : Bu arada, meslektaşlarım, ilgilenen varsa - alın, fikri sona, muzaffer sona getirin (beş yıl önce, diğer, daha az devrimci olmayan fikirler tamamen farklı bir yönde bir kenara alındı:o) ). Anladığım kadarıyla, yaklaşım oldukça umut verici, istatistiksel anlamda tahmin etmenizi sağlıyor ve bu yeterli değil. Peki, işlevimi alacağım. Kim üstlenecek - Mümkün olan tüm yardımı sağlayacağım, ancak MQL'de değil, onu hiç tanımıyorum :o)


Not : matematikçilerimiz - bilimsel yenilik hakkında ne düşünüyorsunuz :o)))?

 
AlexEro >> :

Ha ha ha! Tekrar?

Aynı tırmık?

Bu tartışmaya katılanların bir arkadaşı nasıl anladıkları (olup olmadığı) hayret vericidir: her birinin kendi kelime dağarcığı, kendi semantiği, kendi kullanımı vardır, tanımlanan fenomenler ile kelimeler arasında kesinlikle hiçbir nedensel ilişki yoktur, onlar anlamazlar. Forumda veya İnternette aramayı nasıl kullanacağınızı bilin.

Bu branş matematikçiler veya tüccarlar için değil, psikiyatristler içindir. Burada yapacakları çok iş olacak.

Anlatmak ister misin? :hakkında)

 
grasn >> :

FFT sürgülü pencereniz neden 2^n'ye eşit değil?

 
Urain >> :

FFT sürgülü pencereniz neden 2^n'ye eşit değil?

Yazdım, kosinüs dönüşümü kullandım. Ayrıca (Fourier dönüşümünü alırsak) - böyle bir gereklilik yalnızca hızlı dönüşüm şeması için uygulanır, yani. modelde hiç kullanmadığım dönüşüm için (doğru yazdığınız gibi). Orada... gerekli değil. Ve bu durumda neden bu kadar uzun bir pencere kullanmalıyım?

 
grasn >> :

Yazdım, kosinüs dönüşümü kullandım. Ayrıca (Fourier dönüşümünü alırsak) - böyle bir gereklilik yalnızca hızlı dönüşüm şeması için uygulanır, yani. modelde hiç kullanmadığım dönüşüm için (doğru yazdığınız gibi). Orada... gerekli değil. Ve bu durumda neden bu kadar uzun bir pencere kullanmalıyım?

Codebase'de kosinüs transform kitaplığı da içeren bir FFT kitaplığı vardır ve bu kitaplıkları MQL'de kullanacaksanız, oradaki pencerenin 2^n (16,32,64,128,256,512,1024.. .)

 
gran: Teşekkür ederim! Bugün tatile gidiyorum - hesaplamaları tekrarlamaya çalışacağım. Ve aniden - Kâse ? )))
 
Urain >> :

Kod tabanında ayrıca kosinüs dönüşüm kitaplığı içeren bir FFT kitaplığı vardır ve bu kitaplıkları MQL'de kullanacaksanız, oradaki pencerenin 2^n (16,32,64,128,256,512...) olması gerektiğini unutmamalısınız.




Bunu kullanmayacağım. Bu sınırlama yalnızca hızlı dönüştürme algoritmaları içindir. Ve lineer cebir için bir kütüphaneye ihtiyacım var. Bu arada, yardım edeceğine söz verdin :o)