補間、近似など (alglibパッケージ) - ページ 8 123456789101112131415...17 新しいコメント Maxim Dmitrievsky 2018.08.23 10:36 #71 これらの変換はすべて、私のタスクには適していません、ライブラリは役に立たない（勉強した）。別の方法を考えよう。しかし、質問の本質については誰も何も理解していないので、どれとは言いません。 Nikolai Semko 2018.08.23 10:53 #72 Maxim Dmitrievsky: これらの変換はすべて私のタスクには適しておらず、ライブラリは役に立たない（研究済み）。逆を行こう。しかし、質問の本質を理解している人はいないので、どれとは言いません。マキシムさん、このスレッドをありがとうございました。私は個人的にあなたに興味があります。あなたの創作活動を見守らせていただきます。 いつもAIの奈落の底に引きずり込まれていました。深淵に引き込まれる。 Aleksei Beliakov 2018.08.23 11:43 #73 ニコライ・セムコ さん、どうもありがとうございました。 FxTrader562 2018.08.23 11:44 #74 Maxim Dmitrievsky : 私のタスクのためのこれらの変換はすべてフィットしません、彼らは無駄です（学習）。別の方法を考えよう。でも、誰も何もわかってくれないので、方法は言いません。しかし、MQL5のコードで実用的に実装するとなると、あなたが行き詰っているコードを正確に理解しなければ、問題を解決する方法、あるいは問題がどこにあるのかを正しく理解することは難しくなってきます。MQL5でどの程度実装しているのか、MQL5のコードや数式、関数など、具体的に何を求めているのか、という意味です。 もし、あなたの考えや困っていることを数行のMQL5コードの形にしていただければ、少なくともそれを解決するための何らかのアイデアを提供できるよう最善を尽くします。 Vladyslav Goshkov 2018.08.23 14:20 #75 Nikolai Semko:すみません、意味が分かりませんでした。どうやら私の限界のせいらしい。でも、やってみたんです。 でも、この例を見て、使ってみてください。https://www.mql5.com/ru/forum/216298/page5#comment_6484839 あらゆる周期関数が調和的に関連したサインとコサインの系列として表現できるという考えは、ジャン・バティスト・ジョセフ・フーリエ男爵（1768-1830）によって提唱 されたものである。 フーリエ級数の定義 関数f(x) は、xのすべての値に対してf(x+P)=f(x) であれば、周期Pを 持つといいます。関数f(x) の周期を2πと する。 この場合、区間[-π,π]における関数の振る舞いを考慮すれば十分 である。周期2πの関数f(x)が区間[-π,π] で完全可積分であるとする。 この場合、いわゆるディリクレ積分は 有限：π∫-π｜f(x)｜dx<∞となる。また、関数f(x) が一値で区分的連続（すなわち有限個の不連続性を持つ）、区分的単調（有限個の最大値と最小値を持つ）であるとする。条件1と2を 満たせば、関数f(x)のフーリエ級数は存在し、与えられた関数に収束 する 非周期的な関数はフーリエ級数に展開できるのか？そうです。これを行うには、展開図を得たい区間を周期と仮定し、それを[-π,π] にスケーリング するのです。しかし、その後、分解区間を超えて（右端を超えて）外挿すると、極限における周期関数の値が得られるはずで、それは、左端の値に対応するシフト-周期Pを加えたものです。 図面がダラダラ......大学の数値計算法のコースで、だいたい2年目か3年目にあるんです。正確には、昔は（私の時代には）研究されていたのですが、今はどうなっているのか、さっぱりわかりません。 Nikolai Semko 2018.08.23 20:00 #76 Vladyslav Goshkov:あらゆる周期関数が調和的に関連したサインとコサインの系列として表現できるという考えは、ジャン・バティスト・ジョセフ・フーリエ男爵（1768-1830）によって提唱 されたものである。 フーリエ級数の定義 関数f(x) は、xのすべての値に対してf(x+P)=f(x) であれば、周期Pを 持つといいます。関数f(x)の周期を2πと する。 この場合、区間[-π,π]における関数の振る舞いを考慮すれば十分 である。周期2πの関数f(x)が区間[-π,π] で完全可積分であるとする。 この場合、いわゆるディリクレ積分は 有限：π∫-π｜f(x)｜dx<∞となる。また、関数f(x) が一値で区分的連続（すなわち有限個の不連続性を持つ）、区分的単調（有限個の最大値と最小値を持つ）であるとする。条件1と2を 満たせば、関数f(x)のフーリエ級数は存在し、与えられた関数に収束 する 非周期的な関数はフーリエ級数に展開できるのか？そうです。これを行うには、展開図を得たい区間を周期と仮定し、それを[-π,π] にスケーリング するのです。しかし、その後、分解区間を超えて（右端を超えて）外挿すると、極限における周期関数の値が得られるはずで、それは、左端の値に対応するシフト-周期Pを加えたものです。 図面がダラダラ......大学の数値計算法のコースで、だいたい2年目か3年目にあるんです。正確には、かつて（私の時代には）研究されていたのだが、今はどうなのかわからない。関数を 高調波に分解 する意味が理解できていないようです。 右側のエッジを引き継ぐ左側のエッジとは？どういうことですか？ フーリエ分解のポイントは、周波数、振幅、位相シフトの異なる一連の高調波（正弦波）を得ることで、それらを足し合わせると、データセットから元の関数に似たものが得られるということはご理解いただけたと思います。 各シヌソイドは無限関数のようなもので、左端も右端もない。それを外挿するには、「左」のエッジを「右」のエッジに結合するのではなく、それを続ければいいのです。 そして、この高調波和の周期性は、元の近似データのサンプリング範囲に等しくなるのではなく、異なる周波数の位相シフトを持つすべての高調波が同時にその開始値に戻る瞬間間の距離に等しくなり、すべての高調波周波数が同じ値の倍数でなければ起こらないので、それが起こりうる事実ではない。 青い線が近似値、赤い線が外挿値です。 ファイル: kFourierDemo.mq5 15 kb Vladimir 2018.08.23 22:20 #77 Nikolai Semko:倍音への関数 分解の意味を取り違えているようです。 どの左エッジが右エッジにキャリーオーバーするのか？何を言ってるんだ？ フーリエ分解のポイントは、周波数、振幅、位相シフトの異なる高調波（正弦波）のセットを得て、それらを足し合わせると、データセットから元の関数に似たものが得られることだと理解しているはずです。 各シヌソイドは無限関数のようなもので、左端も右端もない。それを外挿するには、「左」のエッジを「右」のエッジに結合するのではなく、それを続ければいいのです。 そして、この高調波和の周期性は、元の近似データのサンプリング範囲に等しくなるのではなく、異なる周波数の位相シフトを持つすべての高調波が同時に元の値に戻る瞬間間の距離に等しくなり、すべての高調波周波数が同じ値の倍数である場合にのみ起こりうることなので、これが起こるという事実はない。 青い線が近似値、赤い線が外挿値です。フーリエ級数における三角関数の引数は x, 2x, 3x,...nx であり、その周期はそれぞれ 1, 2, 3...n 倍共通なので、この「すべての位相がずれる瞬間間の距離」はまさに周期と等しくなります。このため、三角関数の集合は直交性を持ち、フーリエ展開の係数は互いに独立であり、展開に使用する周波数の数からも独立である。n=1の展開係数（a1、b1）を計算した結果、5つの周波数での展開でaiとbiを求めたとしても、これらの値は変わらないことが既に分かっているのです。そこがいいところです。 なぜかというと、それはあなたがやっていることではないからです。考慮する高調波の数を変えると、第一分解係数の値は変化するのでしょうか？ Dmitry Fedoseev 2018.08.24 01:34 #78 Vladyslav Goshkov:...特殊なフーリエ外挿の技術があります。高調波への分解を行い、振幅を外挿し、この振幅の変化を考慮して、高調波を収集するのである。正確には覚えていませんが、次のような感じです。 このメソッドの例は、コードベースのここにあります。 Dmitry Fedoseev 2018.08.24 01:58 #79 Maxim Dmitrievsky:みんな分かっている、ただ、どうすればいいのか分からない。 ニューラルネットワークの特徴量をランダムに変換して出力関数とし、新しいデータを代入できるようにしたものとても興味深いです))"ニューラルネットワークのための形質転換"。ニューラルネットワークはどこに特徴があるのですか？ニューラルネットワークには入力と出力があります。演繹的に考えれば、これらの記号をニューラルネットワークに入力したものであると結論づけられるだろう。しかし!!!"...出力関数として"... 大失敗だ マリヴァナ 大失敗だ！ Nikolai Semko 2018.08.24 04:24 #80 Vladimir:フーリエ級数における三角関数の引数はx, 2x, 3x,...nx であり、その周期はそれぞれ共通の 1, 2, 3...n 回に収まるので、このまさに「すべての位相がずれる瞬間間の距離」は周期と正確に一致するのです。このため、三角関数の集合は直交性を持ち、フーリエ展開の係数は互いに独立であり、展開に使用する周波数の数からも独立である。n=1の展開係数（a1、b1）を計算した結果、5つの周波数での展開でaiとbiを求めたとしても、これらの値は変わらないことが既に分かっているのです。ここが魅力です。 なぜかというと、あなたにとっては違うのですか？考慮する高調波の数を変えると、第一分解係数の値は変化するのでしょうか？いいえ、この高調波を求めるアルゴリズムは、高速フーリエ変換ではなく、 Queen-Fernandez 周波数計算 アルゴリズムを使用しています。(ソースコード)ちなみに、作者はあなたでは？名前は同じでも、プロフィールは違う。 周波数は順次計算され、互いの倍数にはならない。このことは、アニメーションGIFからも、上に紹介したコードからも、そして今からもわかることでしょう。 この例から高調波周波数係数の例を紹介します（プリントしただけw）。 2018.08.24 00:22:11.921 !Fourier (EURUSD,M1) Гармоника 1 = 0.00492908 2018.08.24 00:22:11.921 !Fourier (EURUSD,M1) Гармоника 2 = 0.01176861 2018.08.24 00:22:11.921 !Fourier (EURUSD,M1) Гармоника 3 = 0.02124126 2018.08.24 00:22:11.921 !Fourier (EURUSD,M1) Гармоника 4 = 0.02651676 2018.08.24 00:22:11.921 !Fourier (EURUSD,M1) Гармоника 5 = 0.03511149 2018.08.24 00:22:11.922 !Fourier (EURUSD,M1) Гармоника 6 = 0.01191667 2018.08.24 00:22:11.922 !Fourier (EURUSD,M1) Гармоника 7 = 0.00586503 2018.08.24 00:22:11.922 !Fourier (EURUSD,M1) Гармоника 8 = 0.04684633 2018.08.24 00:22:11.923 !Fourier (EURUSD,M1) Гармоника 9 = 0.07585431 2018.08.24 00:22:11.923 !Fourier (EURUSD,M1) Гармоника 10 = 0.05593456 ファイル: 6Fourier.mq5 16 kb 123456789101112131415...17 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
これらの変換はすべて私のタスクには適しておらず、ライブラリは役に立たない（研究済み）。逆を行こう。しかし、質問の本質を理解している人はいないので、どれとは言いません。
マキシムさん、このスレッドをありがとうございました。私は個人的にあなたに興味があります。あなたの創作活動を見守らせていただきます。
いつもAIの奈落の底に引きずり込まれていました。
深淵に引き込まれる。
私のタスクのためのこれらの変換はすべてフィットしません、彼らは無駄です（学習）。別の方法を考えよう。でも、誰も何もわかってくれないので、方法は言いません。
しかし、MQL5のコードで実用的に実装するとなると、あなたが行き詰っているコードを正確に理解しなければ、問題を解決する方法、あるいは問題がどこにあるのかを正しく理解することは難しくなってきます。MQL5でどの程度実装しているのか、MQL5のコードや数式、関数など、具体的に何を求めているのか、という意味です。
もし、あなたの考えや困っていることを数行のMQL5コードの形にしていただければ、少なくともそれを解決するための何らかのアイデアを提供できるよう最善を尽くします。
すみません、意味が分かりませんでした。どうやら私の限界のせいらしい。でも、やってみたんです。
でも、この例を見て、使ってみてください。
https://www.mql5.com/ru/forum/216298/page5#comment_6484839
あらゆる周期関数が調和的に関連したサインとコサインの系列として表現できるという考えは、ジャン・バティスト・ジョセフ・フーリエ男爵（1768-1830）によって提唱 されたものである。
フーリエ級数の定義
条件1と2を 満たせば、関数f(x)のフーリエ級数は存在し、与えられた関数に収束 する周期2πの関数f(x)が区間[-π,π] で完全可積分であるとする。 この場合、いわゆるディリクレ積分は 有限：π∫-π｜f(x)｜dx<∞となる。
また、関数f(x) が一値で区分的連続（すなわち有限個の不連続性を持つ）、区分的単調（有限個の最大値と最小値を持つ）であるとする。
非周期的な関数はフーリエ級数に展開できるのか？そうです。これを行うには、展開図を得たい区間を周期と仮定し、それを[-π,π] にスケーリング するのです。しかし、その後、分解区間を超えて（右端を超えて）外挿すると、極限における周期関数の値が得られるはずで、それは、左端の値に対応するシフト-周期Pを加えたものです。
図面がダラダラ......大学の数値計算法のコースで、だいたい2年目か3年目にあるんです。正確には、昔は（私の時代には）研究されていたのですが、今はどうなっているのか、さっぱりわかりません。
あらゆる周期関数が調和的に関連したサインとコサインの系列として表現できるという考えは、ジャン・バティスト・ジョセフ・フーリエ男爵（1768-1830）によって提唱 されたものである。
フーリエ級数の定義
条件1と2を 満たせば、関数f(x)のフーリエ級数は存在し、与えられた関数に収束 する周期2πの関数f(x)が区間[-π,π] で完全可積分であるとする。 この場合、いわゆるディリクレ積分は 有限：π∫-π｜f(x)｜dx<∞となる。
また、関数f(x) が一値で区分的連続（すなわち有限個の不連続性を持つ）、区分的単調（有限個の最大値と最小値を持つ）であるとする。
非周期的な関数はフーリエ級数に展開できるのか？そうです。これを行うには、展開図を得たい区間を周期と仮定し、それを[-π,π] にスケーリング するのです。しかし、その後、分解区間を超えて（右端を超えて）外挿すると、極限における周期関数の値が得られるはずで、それは、左端の値に対応するシフト-周期Pを加えたものです。
図面がダラダラ......大学の数値計算法のコースで、だいたい2年目か3年目にあるんです。正確には、かつて（私の時代には）研究されていたのだが、今はどうなのかわからない。
関数を 高調波に分解 する意味が理解できていないようです。
右側のエッジを引き継ぐ左側のエッジとは？どういうことですか？
フーリエ分解のポイントは、周波数、振幅、位相シフトの異なる一連の高調波（正弦波）を得ることで、それらを足し合わせると、データセットから元の関数に似たものが得られるということはご理解いただけたと思います。
各シヌソイドは無限関数のようなもので、左端も右端もない。それを外挿するには、「左」のエッジを「右」のエッジに結合するのではなく、それを続ければいいのです。
そして、この高調波和の周期性は、元の近似データのサンプリング範囲に等しくなるのではなく、異なる周波数の位相シフトを持つすべての高調波が同時にその開始値に戻る瞬間間の距離に等しくなり、すべての高調波周波数が同じ値の倍数でなければ起こらないので、それが起こりうる事実ではない。
青い線が近似値、赤い線が外挿値です。
倍音への関数 分解の意味を取り違えているようです。
どの左エッジが右エッジにキャリーオーバーするのか？何を言ってるんだ？
フーリエ分解のポイントは、周波数、振幅、位相シフトの異なる高調波（正弦波）のセットを得て、それらを足し合わせると、データセットから元の関数に似たものが得られることだと理解しているはずです。
各シヌソイドは無限関数のようなもので、左端も右端もない。それを外挿するには、「左」のエッジを「右」のエッジに結合するのではなく、それを続ければいいのです。
そして、この高調波和の周期性は、元の近似データのサンプリング範囲に等しくなるのではなく、異なる周波数の位相シフトを持つすべての高調波が同時に元の値に戻る瞬間間の距離に等しくなり、すべての高調波周波数が同じ値の倍数である場合にのみ起こりうることなので、これが起こるという事実はない。
青い線が近似値、赤い線が外挿値です。
フーリエ級数における三角関数の引数は x, 2x, 3x,...nx であり、その周期はそれぞれ 1, 2, 3...n 倍共通なので、この「すべての位相がずれる瞬間間の距離」はまさに周期と等しくなります。このため、三角関数の集合は直交性を持ち、フーリエ展開の係数は互いに独立であり、展開に使用する周波数の数からも独立である。n=1の展開係数（a1、b1）を計算した結果、5つの周波数での展開でaiとbiを求めたとしても、これらの値は変わらないことが既に分かっているのです。そこがいいところです。
なぜかというと、それはあなたがやっていることではないからです。考慮する高調波の数を変えると、第一分解係数の値は変化するのでしょうか？
...
特殊なフーリエ外挿の技術があります。高調波への分解を行い、振幅を外挿し、この振幅の変化を考慮して、高調波を収集するのである。正確には覚えていませんが、次のような感じです。 このメソッドの例は、コードベースのここにあります。
みんな分かっている、ただ、どうすればいいのか分からない。
ニューラルネットワークの特徴量をランダムに変換して出力関数とし、新しいデータを代入できるようにしたもの
とても興味深いです))"ニューラルネットワークのための形質転換"。ニューラルネットワークはどこに特徴があるのですか？ニューラルネットワークには入力と出力があります。演繹的に考えれば、これらの記号をニューラルネットワークに入力したものであると結論づけられるだろう。しかし!!!"...出力関数として"...
大失敗だ マリヴァナ 大失敗だ！
フーリエ級数における三角関数の引数はx, 2x, 3x,...nx であり、その周期はそれぞれ共通の 1, 2, 3...n 回に収まるので、このまさに「すべての位相がずれる瞬間間の距離」は周期と正確に一致するのです。このため、三角関数の集合は直交性を持ち、フーリエ展開の係数は互いに独立であり、展開に使用する周波数の数からも独立である。n=1の展開係数（a1、b1）を計算した結果、5つの周波数での展開でaiとbiを求めたとしても、これらの値は変わらないことが既に分かっているのです。ここが魅力です。
なぜかというと、あなたにとっては違うのですか？考慮する高調波の数を変えると、第一分解係数の値は変化するのでしょうか？
いいえ、この高調波を求めるアルゴリズムは、高速フーリエ変換ではなく、 Queen-Fernandez 周波数計算 アルゴリズムを使用しています。(ソースコード)ちなみに、作者はあなたでは？名前は同じでも、プロフィールは違う。
周波数は順次計算され、互いの倍数にはならない。このことは、アニメーションGIFからも、上に紹介したコードからも、そして今からもわかることでしょう。
この例から高調波周波数係数の例を紹介します（プリントしただけw）。