Discusión sobre el artículo "Redes neuronales: así de sencillo (Parte 92): Predicción adaptativa en los ámbitos de la frecuencia y el tiempo"
Las redes neuronales son fáciles. Parte 92 😅
Siempre sus códigos de ejemplo falta algún archivo Neural Networks Made Easy (Part 92) falta el archivo legendre.mqh
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Redes neuronales: así de sencillo (Parte 92): Predicción adaptativa en los ámbitos de la frecuencia y el tiempo:
Los autores del método FreDF confirmaron experimentalmente la ventaja de la previsión combinada en los ámbitos de la frecuencia y el tiempo. Sin embargo, el uso del hiperparámetro de peso no es óptimo para series temporales no estacionarias. En este artículo, nos familiarizaremos con el método de combinación adaptativa de previsiones en los ámbitos de la frecuencia y el tiempo.
El ámbito temporal y el frecuencial son dos representaciones fundamentales utilizadas para analizar datos de series temporales. En el ámbito temporal, el análisis se centra en los cambios de amplitud a lo largo del tiempo, lo que permite identificar dependencias locales y transitorios dentro de la señal. Por el contrario, el análisis en el ámbito de la frecuencia pretende representar las series temporales en términos de sus componentes de frecuencia, lo que permite comprender las dependencias globales y las características espectrales de los datos. Combinar las ventajas de ambos campos es un enfoque prometedor para abordar el problema de la mezcla de distintos patrones periódicos en series temporales reales. El problema es cómo combinar eficazmente las ventajas de los ámbitos temporal y frecuencial.
En comparación con los logros alcanzados en el ámbito temporal, aún quedan muchas áreas inexploradas en el ámbito frecuencial. En artículos recientes hemos visto algunos ejemplos de utilización del dominio de la frecuencia para manejar mejor las dependencias globales de las series temporales. La previsión directa en el ámbito temporal permite utilizar más información espectral para mejorar la precisión de las previsiones de series temporales. Sin embargo, la predicción directa del espectro en el ámbito de la frecuencia plantea algunos problemas. Uno de estos problemas es el posible desajuste en las características de frecuencia entre el espectro de los datos conocidos que se analizan y el espectro completo de la serie temporal que se estudia, que surge como resultado del uso de la transformada discreta de Fourier (DFT). Este desajuste dificulta la representación exacta de la información sobre frecuencias específicas en todo el espectro de datos de origen, lo que provoca imprecisiones en la predicción.
Autor: Dmitriy Gizlyk