Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Peki, grafikteki seçili alanı nasıl veri dizisine bağlayacağımı (ve kırık bir eğri boyunca nasıl seçeceğimi) anlamadım? Verilerin doldurulmasının geri kalanını sormuyorum.
Bunu neden bir resimden yapıyorsunuz, kendiniz hazır değerlerden bir resim oluşturduğunuzda. Bu değerleri toplar ve dilediğiniz gibi düzenler, gerekli yerlere aktarır.
Bunu neden bir resimden yapıyorsunuz, kendiniz hazır değerlerden bir resim oluşturduğunuzda. Bu değerleri toplar ve dilediğiniz gibi düzenler, gerekli yerlere aktarır.
Bu nedenle, meselenin gerçeği, uzayda kararlı katmanlar şeklinde bir dizi göstergeye bakmanız gerekirken, göstergeleri değiştirmeniz ve koordinat sistemini kaydetmeniz gerekecek - örneğin, kâra göre inşa ettiler, tahsis edilen arsalar , karlılığa göre inşa edildi, vb. bir dizi gösterge için ve sonuç olarak, daha fazla çalışmanın mantıklı olduğu adalar elde ettik.
Bu nedenle, meselenin gerçeği, uzayda kararlı katmanlar şeklinde bir dizi göstergeye bakmanız gerekirken, göstergeleri değiştirmeniz ve koordinat sistemini kaydetmeniz gerekecek - örneğin, kâra göre inşa ettiler, tahsis edilen arsalar , bir dizi gösterge için karlılık vb.
Seni anlamıyorum.
Bu adaları bulmayı algoritmalaştırmak istiyorsanız, o zaman algoritmanın görselleştirmeye ihtiyacı yoktur, sadece n-boyutlu uzayda bir dizi nokta veya nesneye ihtiyaç vardır ve o zaman bu dizileri analiz etmek için bir teknik meselesidir.
Görselleştirme yalnızca beynimiz için gereklidir, çünkü örüntü tanıma sistemi, nesnelerin görselleştirilmesi üzerine kuruludur ve 4B uzaydan daha fazlası değildir.
Seni anlamıyorum.
Bu adaları bulmayı algoritmalaştırmak istiyorsanız, o zaman algoritmanın görselleştirmeye ihtiyacı yoktur, sadece n-boyutlu uzayda bir dizi nokta veya nesneye ihtiyaç vardır ve o zaman bu dizileri analiz etmek için bir teknik meselesidir.
Görselleştirme yalnızca beynimiz için gereklidir, çünkü örüntü tanıma sistemi, nesnelerin görselleştirilmesi üzerine kuruludur ve 4B uzaydan daha fazlası değildir.
Beyin için gerekli olan bu, sadece bağımlılıkları görsel olarak görmek ve matematiksel açıklamalar olmadan onlarla çalışmak ve ardından en iyi uygulamalara dayalı bir algoritma / kriter geliştirmek istiyorum.
Soru, yalnızca seçim sonuçlarının görselleştirilmesinde değil, aynı zamanda istenen siteleri seçme aracındadır. Örneğin, farklı hesap sistemlerinde (koordinatlarda) logaritmik alanların seçimini nasıl otomatikleştireceğimi hayal bile edemiyorum.
Seni anlamıyorum.
Bu adaları bulmayı algoritmalaştırmak istiyorsanız, o zaman algoritmanın görselleştirmeye ihtiyacı yoktur, sadece n-boyutlu uzayda bir dizi nokta veya nesneye ihtiyaç vardır ve o zaman bu dizileri analiz etmek için bir teknik meselesidir.
Görselleştirme yalnızca beynimiz için gereklidir, çünkü örüntü tanıma sistemi, nesnelerin görselleştirilmesi üzerine kuruludur ve 4B uzaydan daha fazlası değildir.
Muhtemelen 3D grafiklerdeki veri bölümlerinin manuel seçimi anlamına geliyordu.
Doğru.
Doğru.
Resim çizdiğimizde hangi pikselin nereden alındığını biliyor. Bir resim çizerken, iki boyutlu bir yapı dizisini doldurun. Dizinin boyutları, istenen verinin yapısındaki piksellerin koordinatlarına veya istenen verilere bağlantılara karşılık gelir.
https://www.mql5.com/en/code/27662
hıza ve kod boyutuna dikkat edin.
Ve hepsi Direct X olmadan
Umarım hevesli fareler zaten her şeyi ciyaklamıştır?
"r" koordinatlarının ve ölçeklerinin yanlış hesaplanmasına dikkat çekti
iyi görselleştirme, ancak doğru ve okunabilir olması için takvimi gözlemlemek (çubuklar değil gerçek zamanlı) ve yarıçaplı bir şey düşünmek gerekir - sapmalar okunamaz.
veya r ile bir günlük ölçeğine veya başka bir şeye ihtiyacınız var.