푸리에 변환을 사용하여 미래 예측 - 페이지 45

새 코멘트
 
Integer : 따라서 신경망은 더 많은 매개변수를 얻습니다. 하나의 고조파만 사용하십시오. 이것은 여러 개를 사용하는 특수한 경우입니다. 동일한 여러 개만 하나를 제외하고 모두 진폭이 0입니다. 하나만 사용하면 Herzel, MESA에 원활하게 접근합니다.

동의한다. 그러나 신경망 에는 고유한 문제가 있지만 히스토리 피팅을 피할 수 있는 방법이 있습니다. 그러나 푸리에에서는 미래에 수익성이 있을 고조파 또는 고조파를 결정할 수 있는 방법이 거의 없습니다. 이것이 금융 시장에서 푸리에를 사용하는 전체 복잡성입니다.
 
Integer :

저것들. 데이터를 고조파로 분해, 진폭, 위상 조정, 합산과 같은 계산을 수행할 수 있지만 대신 FATL, SATL 표시기에서와 같이 계수를 계산하여 결과를 계산할 수 있습니다. .
계수가 일정할 필요는 없습니다... 모델을 만들고 원하는 특성과 적응 매개변수로 필터 전달 특성을 계산하는 데 사용하고 이산 영역으로 이동(푸리에/라플라스 -> Z 변환), 변환 특성을 차분 방정식으로 전달한 다음 ... 이익!)
 
LeoV :

동의한다. 그러나 신경망에는 고유한 문제가 있지만 히스토리 피팅을 피할 수 있는 방법이 있습니다. 그러나 푸리에에서는 미래에 수익성이 있을 고조파 또는 고조파를 결정할 수 있는 방법이 거의 없습니다. 이것이 금융 시장에서 푸리에를 사용하는 전체 복잡성입니다.

어떤 시스템에서든 적합성 검사를 수행하고 최적화 후 다음 섹션에서 검증 테스트를 수행해야 합니다. 모두 같은. 네트워크를 사용하여 네트워크를 훈련하고 테스트했습니다. 최적화된 다른 시스템을 사용하여 최적화 기간 외의 점검 사항을 확인하십시오.

고조파를 결정하는 방법은 테스터의 최적화입니다.

 
Integer :

어떤 시스템에서든 적합성 검사를 수행하고 최적화 후 다음 섹션에서 검증 테스트를 수행해야 합니다. 모두 같은. 네트워크를 사용하여 네트워크를 훈련하고 테스트했습니다. 최적화된 다른 시스템을 사용하여 최적화 기간 외의 점검 사항을 확인하십시오.

고조파를 결정하는 방법은 테스터의 최적화입니다.


따라서 푸리에에는 그러한 정의 방법이 없습니다. 모든 것이 선택, 즉 고조파 선택에 달려 있기 때문에 커피 찌꺼기에 대한 운세 또는 하늘의 손가락입니다. 이것이 푸리에가 금융 시장에서 응용 프로그램을 찾지 못한 이유입니다.

푸리에 테스터의 최적화는 실제로 과거 데이터에 대한 이익의 양으로 고조파를 선택하지만 미래의 이익을 위한 선택은 아닙니다.

피팅 사실에 대해 고조파를 검사하는 단일 테스터는 없습니다. MT4에서는 이것이 비현실적입니다.

 
alsu :
계수가 일정할 필요는 없습니다... 모델을 만들고 원하는 특성과 적응 매개변수로 필터 전달 특성을 계산하는 데 사용하고 이산 영역으로 이동(푸리에/라플라스 -> Z 변환), 변환 특성을 차분 방정식으로 전달한 다음 ... 이익!)

알겠습니다. 이것은 고전적인 DSP입니다.
 
LeoV :


따라서 푸리에에는 그러한 정의 방법이 없습니다. 모든 것이 선택, 즉 고조파 선택에 달려 있기 때문에 커피 찌꺼기에 대한 운세 또는 하늘의 손가락입니다. 이것이 푸리에가 금융 시장에서 응용 프로그램을 찾지 못한 이유입니다.

테스터의 최적화는 과거 데이터에 대한 이익의 양에 따른 고조파의 선택이지, 미래의 이익을 위한 선택은 아니다.

피팅 사실에 대해 고조파를 검사하는 단일 테스터는 없습니다. MT4에서는 이것이 비현실적입니다.


정말로. 원칙적으로 이것은 훈련 중 신경망 을 확인하는 것과 다르지 않습니다. 결국 이익이 중요하다. 수익을 보고 최적화 사이트를 따라가는 사이트에서 시스템이 수익을 내고 있는지 확인합니다.
 
Integer :

알겠습니다. 이것은 고전적인 DSP입니다.
핵심 문제는 작업 모델을 구축하는 것이며, 다른 모든 것은 기술의 문제이며 책에 설명되어 있습니다)
 
Integer : 실수. 원칙적으로 이것은 훈련 중 신경망을 확인하는 것과 다르지 않습니다. 결국 이익이 중요하다. 수익을 보고 최적화 사이트를 따라가는 사이트에서 시스템이 수익을 내고 있는지 확인합니다.

여기에 또 다른 뉘앙스가 있습니다. 최적화 후 다음 섹션이 클수록 발견된 고조파가 미래 데이터에서 빨리 쓸모없게 될 가능성이 높아집니다(수익 창출 중지). 이 섹션을 줄이면 수표의 신뢰성이 떨어집니다.
 
LeoV :

여기에 또 다른 뉘앙스가 있습니다. 최적화 후 다음 섹션이 클수록 발견된 고조파가 미래 데이터에서 빨리 쓸모없게 될 가능성이 높아집니다(수익 창출 중지). 이 섹션을 줄이면 수표의 신뢰성이 떨어집니다.

신경망에 그런 문제가 있습니까?
 
Integer : 신경망에 그런 문제가 있습니까?

있다. 그러나 네트워크를 훈련할 때 볼 수 있는 몇 가지 패턴과 정방향 테스트 없이도 수행할 수 있는 몇 가지 훈련 기술이 있습니다. 저는 푸리에에 대해 잘 모르고 들어본 적도 없습니다.
1...383940414243444546474849505152...55
새 코멘트