EXELで作ったプログラムでMT4用のエキスパートを作成する。 - ページ 23

 
皆さん、その報告書は凡人には手に入らないのでしょうか?
 
Sorento:

alsuさんが 指数関数的に減衰するコサインによる近似について教えてくれれば

たぶんこれ


http://www.google.ru/search?hl=ru&source=hp&q=vjuvers&aq=f&aqi=&aql=&oq=

 
vasya_vasya:
皆さん、その報告書は凡人には手に入らないのでしょうか?
現在、論文発表の準備中です。正しい形にしなければならない数式がたくさんあります。時間がかかるのです。
 
Mathemat:
記事の掲載は現在準備中です。正しい形にしなければならない数式はたくさんあります。時間がかかるのです。

奇跡を起こす。そして、彼女は何を普及させるつもりなのか?

MQL5 4?

それとも未来のユーザー?

;)

 
Sorento:

alsuさんが 指数関数的に減衰するコサインで近似していることを教えてくれれば、もっと興味を持てたと思います。

そして、それらは私のものではなく、ラプラスのものである)。

議論したいのであれば、前提条件を教えてあげます。離散時間の系列に適用する場合、ラプラス変換は 純粋な形ではなく、いわゆるZ変換に 還元され、単純な置き換え z = exp(s*T) (Tはサンプリング周期)で互いに変換されます。つまり,減衰した(発散した)サインコサインが得られるのは,z(またはs)領域から時間領域への逆変換を行ったときです.その際,収束領域とすべての画像極を覆う複素平面上の輪郭上で積分を行う必要があります(wikipediaには間違いがあります - "coveringsubtractions" と書いてあります).この閉じた輪郭上で、zは異なる実部と虚部の値をとるので、サイン・コサインが現れる。指数の実部は減衰パラメータ(正の場合は発散)、虚部は円周周波数に対応することを思い出してほしい。フーリエ変換とほぼ同じ原理が得られますが、ここでは指数が実数部を持っていないだけです。したがって、Z変換は離散フーリエ変換の一般化であり、後者は単位円z = exp(jw)を積分輪郭として選ぶことでZから得られる。

複素解析に詳しい方でないと説明が難しいのですが...。

 
alsu:

そして、それは私のものではなく、ラプラスのものである)。

もし相談したいことがあれば、メッセージを送ります。離散時間の系列に適用する場合、ラプラス変換は 純粋な形ではなく、いわゆるZ変換に 還元され、単純な置き換えによって互いに変換される z = exp(s*T) (Tはサンプリング周期)。つまり,減衰した(発散した)サインコサインが得られるのは,z(またはs)領域から時間領域への逆変換を行ったときです.その際,収束領域とすべての画像極を覆う複素平面上の輪郭上で積分を行う必要があります(wikipediaには間違いがあります - "coveringsubtractions" と書いてあります).この閉じた輪郭上で、zは異なる実部と虚部の値をとるので、サイン・コサインが現れる。指数の実部は減衰パラメータ(正の場合は発散)、虚部は円周周波数に対応することを思い出してほしい。フーリエ変換とほぼ同じ原理が得られますが、ここでは指数が実数部を持っていないだけです。つまり、Z変換は離散フーリエ変換の一般化であり、後者は単位円z=exp(jw)を積分輪郭に選ぶことでZから得られる。

複素解析に詳しい方でないと、ちょっと説明しにくいのですが...。

ありがとうございます))

実際には、結果や障害など、いわば現実的な部分の話だったのですが......。

 
Mathemat:
記事の掲載は現在準備中です。正しい形にしなければならない数式がたくさんあります。これには時間がかかります。
そうですね、数式はたくさん出てくるでしょう。
ファイル:
30.rar  2160 kb
 
Sorento: 奇跡を起こす。そして、何を普及させるのか?
どうやら、ガンマ関数とそれに対応する確率分布 が普及しそうです :)
 
Sorento:

ありがとうございました))

実際には、結果や障害など、いわば現実的な部分の話だったのですが......。

さて、ここで問題になるのは、従来の離散フーリエと同じで、窓、スペクトルの重なり、解像度...です。の場合、関数が漸近的にゼロに収束するため、より良い結果が得られます。
 
Richie:
そうですね、いろいろな方式があるでしょう。

:)))

歌詞は何ですか、そして何のミュージカルですか?