記事「MQL5における動的時間伸縮を用いたパターン認識」についてのディスカッション 新しいコメント MetaQuotes 2024.10.21 12:24 新しい記事「MQL5における動的時間伸縮を用いたパターン認識」はパブリッシュされました: 本稿では、金融時系列における予測パターンを特定する手段として、動的時間伸縮の概念について論じます。その仕組みと、純粋なMQL5での実装を紹介します。 動的時間伸縮(DTW)は、時間と共に変化する2つのデータシーケンスの類似性を測定するために設計された高度なアルゴリズムです。このアルゴリズムは、速度やリズムが異なっていても、データポイント間の厳密な整列を必要とせずに類似性を測定します。従来の手法とは異なり、DTWはシーケンス間の最適なマッチングを見つけるためにワーピングや時間のストレッチを可能にする、より柔軟なアプローチを提供します。例えば、2人の人間が森の中を別々の道を歩いているとしましょう。2人とも同じ場所から出発し、同じ場所で歩き終わりますが、一方は他方より速く歩き、何らかの理由で任意に立ち止まるかもしれません。DTWは、異なる道を歩んでいても、2人の歩みを一致させる最善の方法を見つける手助けをします。この手法は、歩行速度、加速度、減速度の違いを効果的に考慮し、類似性の尺度を提供することができます。この汎用性により、DTWはオーディオ、ビデオ、グラフィックスを含む幅広いデータタイプに適用でき、シーケンシャルな形式に変換可能なデータはすべてDTW分析の候補となる可能性があります。 作者: Francis Dube 新しいコメント 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
新しい記事「MQL5における動的時間伸縮を用いたパターン認識」はパブリッシュされました:
本稿では、金融時系列における予測パターンを特定する手段として、動的時間伸縮の概念について論じます。その仕組みと、純粋なMQL5での実装を紹介します。
動的時間伸縮(DTW)は、時間と共に変化する2つのデータシーケンスの類似性を測定するために設計された高度なアルゴリズムです。このアルゴリズムは、速度やリズムが異なっていても、データポイント間の厳密な整列を必要とせずに類似性を測定します。従来の手法とは異なり、DTWはシーケンス間の最適なマッチングを見つけるためにワーピングや時間のストレッチを可能にする、より柔軟なアプローチを提供します。例えば、2人の人間が森の中を別々の道を歩いているとしましょう。2人とも同じ場所から出発し、同じ場所で歩き終わりますが、一方は他方より速く歩き、何らかの理由で任意に立ち止まるかもしれません。DTWは、異なる道を歩んでいても、2人の歩みを一致させる最善の方法を見つける手助けをします。この手法は、歩行速度、加速度、減速度の違いを効果的に考慮し、類似性の尺度を提供することができます。この汎用性により、DTWはオーディオ、ビデオ、グラフィックスを含む幅広いデータタイプに適用でき、シーケンシャルな形式に変換可能なデータはすべてDTW分析の候補となる可能性があります。
作者: Francis Dube