В теории вероятностей и статистике гауссовский процесс - это стохастический процесс (совокупность случайных величин, индексированных некоторым параметром, чаще всего временем или координатами), такой что любой конечный набор этих случайных величин имеет многомерное нормальное распределение, то есть любая конечная линейная комбинация из них...
function [AKF]=akf(signal,TAU)
Tn=length(signal);
for tau=0:TAU-1
Tt=Tn-tau;
AKF1=0;
for t=1:Tt
temp=signal(t+tau)*signal(t);
AKF1=AKF1+temp;
end
if tau==0
AKFc=AKF1/Tn;
else
AKFpr(tau)=AKF1/Tt;
end
end
for i=1:(TAU-1)
AKFlev(i)=AKFpr(TAU-i);
end
for i=1:TAU-1
AKF(i)=AKFlev(i);
end
AKF(TAU)=AKFc;
for i=1:TAU-1
AKF(TAU+i)=AKFpr(i);
end
//параметр signal — вектор входных значений. TAU — порядок АКФ.
谢谢你。我将会关注。准备好你的口袋，尤里。
PS.纠正了一下前期的帖子。
如果VisSim有合适的LPF，可能最好使用它们。没有必要比第二阶更进一步。对于延迟等，最好的是巴特沃斯滤波器。
衣服没有了。
嗯，你在这里...你基本上是同时出现在所有的论坛主题中，而没有什么特别的地方
从关于机器学习的主题中，这里有关于Close的增量模块，画出了有滑动窗口的指标--从哪里和到哪里？
我是薛定谔的猫。
可以给我一张照片吗？因为电脑A_K2很忙，不会让我靠近。
我是薛定谔的猫。
可以给我一张照片吗？A_K2的电脑已经接管了，不让我靠近它。
这是一个封闭式的增量模块。
如何处理它们？好吧，我明天把它拧进去....需要天空中的星星...我们将不得不运行...让我们反驳圣杯 的想法，冷静下来......
我是薛定谔的猫。
可以给我一张照片吗？A_K2的电脑被占领了，不让我靠近它。
薛定谔的猫很久以前就死于氰化钾瓶。
薛定谔的猫的幽灵）。
酷...我可以看到这些数值的直方图吗？
酷...我可以看到这些数值的直方图吗？
我在上面的信息中算是给了你来源，我不知道还有什么...我可以给你我的电脑吗？ 或者你的笔记本电脑？- 什么？
)))
ZS：公式或你的想法写，明天我有时间，也许我们会找到圣杯。
HH：你的任务应该通过几个阶段来解决，即关闭增量模块--它们应该被卸载到一个文本文件中，然后在Matlab中处理所有可能的反常公式，然后，在找到圣杯之后，我们应该把所有的东西放回MT...可以这么说，又回来了。
更准确地说，是每周窗口中CLOSE M5增量的总和。对吗？
如果它是一个具有合适ACF的高斯分布，神经网络会在几秒钟内破解它。
https://ru.wikipedia.org/wiki/Гауссовский_процесс
更准确地说，是每周窗口中CLOSE M5增量的总和。对吗？
目前还没有总和，这些是以点为单位的增量模块。
我们需要总结什么？ 为这些模块做一个MA？
每周的窗口是什么？ 周初的起点是什么？ 然后......？
所有这些研究都需要在matlab中完成，有很多matlab的现成材料，用google查询一下，这里有matlab的ACF。
如果它是一个具有合适ACF的高斯分布，神经网络会在几秒钟内破解它。
https://ru.wikipedia.org/wiki/Гауссовский_процесс
我笑了很久）。
如果你不自己先黑掉它，NS绝对不会黑掉你。
关于秒的部分也很有趣）。我需要24小时来学习。该神经网络是稀疏的--~60个神经元。