가능한 사용의 예와 함께 충분히 자세히 설명되어 모든 것이 매우 논리적으로 보였습니다. 그러나 저자 자신은 지금 생각하는 것처럼 지연에 대해 한마디도 말하지 않고 다소 교활했습니다. 왜냐하면 최저 통과 필터에서 필터의 중심 주파수가 가 약 1/MN1이면 지연이 몇 샘플이라도 매우 클 것이므로 필터를 선택할 때 최소 지연이 결정적이어야 한다고 생각합니다
지연은 그것과 관련이 없습니다. 지연이 있는 대역 통과 필터 뱅크를 가져와 가격 견적을 이러한 필터의 출력 합계로 분해합니다. 시간 축을 따라 인위적인 이동 없이 모든 것이 밝혀져야 합니다. 가장 중요한 것은 필터가 Vadim이 설명한 대로 교차한다는 것입니다. 실제로 이 신호 분해 수학 영역은 잘 연구되어 있으며 이산 웨이블릿 변환이라고 합니다. 여기에서 지인을 시작한 다음 책을 통해:
가능한 사용의 예와 함께 충분히 자세히 설명되어 모든 것이 매우 논리적으로 보였습니다. 그러나 저자 자신은 지금 생각하는 것처럼 지연에 대해 한마디도 말하지 않고 다소 교활했습니다. 왜냐하면 최저 통과 필터에서 필터의 중심 주파수가 가 약 1/MN1이면 지연이 몇 샘플이라도 매우 클 것이므로 필터를 선택할 때 최소 지연이 결정적이어야 한다고 생각합니다
당신은 질문에 대답하지 않았습니다. 필터로 무엇을 할 것인가?
내 작업에서 나는 가장 원시적인 방식으로 작은 거리까지 최소한의 왜곡으로 부드러운 선을 외삽할 수 있다고 제안했습니다. 저것들. 작업은 분해 후 매끄럽고 Sunusoid 같은 선 모음을 얻는 것으로 축소됩니다. 그런 다음 미래로 추정하고 거기에 추가합니다. 질문 ... 단계는 그것과 어떤 관련이 있습니까? 그녀는 보상했다. 위상과 지연은 중요하지 않습니다.
이 작업은 아직 완료되지 않았습니다.
=========================
FIR 필터를 사용하여 이 문제를 신속하게 해결하려면 귀하와 같은 수천 대의 컴퓨터가 필요합니다.
지연은 그것과 관련이 없습니다. 지연이 있는 대역 통과 필터 뱅크를 가져와 가격 견적을 이러한 필터의 출력 합계로 분해합니다. 시간 축을 따라 인위적인 이동 없이 모든 것이 밝혀져야 합니다. 가장 중요한 것은 필터가 Vadim이 설명한 대로 교차한다는 것입니다. 실제로 이 신호 분해 수학 영역은 잘 연구되어 있으며 이산 웨이블릿 변환이라고 합니다. 여기에서 지인을 시작한 다음 책을 통해:
내 작업에서 나는 가장 원시적인 방식으로 작은 거리까지 최소한의 왜곡으로 부드러운 선을 외삽할 수 있다고 제안했습니다. 저것들. 작업은 분해 후 매끄럽고 Sunusoid 같은 선 모음을 얻는 것으로 축소됩니다. 그런 다음 미래로 추정하고 거기에 추가합니다. 질문 ... 단계는 그것과 어떤 관련이 있습니까? 그녀는 보상했다. 위상과 지연은 중요하지 않습니다.
이 작업은 아직 완료되지 않았습니다.
=========================
FIR 필터를 사용하여 이 문제를 신속하게 해결하려면 귀하와 같은 수천 대의 컴퓨터가 필요합니다.
모두가 스스로 작업을 설정하고 해결해야 할 문제의 범위를 결정하며 패턴 검색이 나에게 더 가깝습니다. 이제 분해 라인의 상대적 위치가 이전에 관찰된 많은 횟수에 해당하고 이 위치의 가격이 더 자주 증가했다고 가정해 보겠습니다. 작업에서 하나 또는 다른 유형의 필터를 사용하는 것과 관련하여 그에 따라 조치를 취합니다. 아무도 당신보다 더 잘 알지 못한다고 믿으며, 미분 방정식 등을 마스터하는 데 정신적 노력이 거의 필요하지 않기 때문에 어떤 필터에 주의를 기울였습니다. 상수 계수를 곱하고 더하기
모두가 스스로 작업을 설정하고 해결해야 할 문제의 범위를 결정하며 패턴 검색이 나에게 더 가깝습니다. 이제 분해 라인의 상대적 위치가 이전에 관찰된 많은 횟수에 해당하고 이 위치의 가격이 더 자주 증가했다고 가정해 보겠습니다. 작업에서 하나 또는 다른 유형의 필터를 사용하는 것과 관련하여 그에 따라 조치를 취합니다. 아무도 당신보다 더 잘 알지 못한다고 믿으며, 미분 방정식 등을 마스터하는 데 정신적 노력이 거의 필요하지 않기 때문에 어떤 필터에 주의를 기울였습니다. 상수 계수를 곱하고 더하기
몇 달 전에 F2, F4, F8, ... F512와 같은 가격 견적 분해 의 입력이 있는 단층 신경망을 만들었습니다. 여기서 F는 필터 출력을 의미하고 숫자는 기간입니다. 즉, 가격은 인용한 기사에 설명된 대로 9개 필터의 이진 트리로 필터링되었습니다. 테스터에 내장된 유전자로 네트워크를 훈련했습니다. 그러나 좋은 것은 하나도 없었습니다. 네트워크는 과거 패턴을 기억하고 전방에 느린 드레인을 제공합니다. 내 개인적인 의견은 이러한 필터로 거래하는 것이 MACD로 거래하는 것과 같다는 것입니다. MACD만으로는 진입점을 결정하기에 충분하지 않습니다. 견적에 포함된 나머지 모든 정보(가격 움직임의 이력, 지지 및 저항 수준, 변동성, 시간, 요일 등)를 고려해야 합니다. 이 모든 정보를 네트워크 입력에 제출하는 것은 매우 어렵습니다. 따라서 눈으로 패턴을 찾고 단순화해야합니다. 9개의 필터 뱅크 대신 2-3개의 필터만 있으면 충분하고 분해 자체를 잊어버릴 수 있습니다.
물론 다른 방법으로도 가능합니다. 가격을 N개의 부드러운 필터로 정확하게 분해하고 패턴을 식별하는 대신 이러한 각 필터를 미래로 추정하고 Vadim이 제안한 대로 합계(가격)가 어떻게 작동하는지 확인하십시오. 하지만 나는 그것을 믿지 않는다. 스스로 판단하십시오. 우리는 미래 가격을 알지 못하며 동일한 확률로 오르거나 내릴 수 있습니다. 이 두 가지 다른 결과와 함께 과거 가격에 대한 두 가지 다른 외삽이 있어야 합니다. 바르게? 그러나 Vadim이 외삽에 대해 이야기할 때 그는 여러 필터가 아니라 각 필터에 대해 하나의 외삽을 의미합니다. 그것은 역설로 밝혀졌습니다. 다른 미래를 설명하려면 외삽을 위한 다른 옵션이 있어야 합니다. 그리고 우리는 하나만 선택합니다. 이 특정 외삽 옵션이 정확하다고 생각하는 이유는 무엇입니까?
몇 달 전에 F2, F4, F8, ... F512와 같은 가격 견적 분해의 입력이 있는 1계층 신경망을 만들었습니다. 여기서 F는 필터 출력을 의미하고 숫자는 기간입니다. 즉, 가격은 인용한 기사에 설명된 대로 9개 필터의 이진 트리로 필터링되었습니다. 테스터에 내장된 유전학으로 네트워크를 훈련했습니다. 그러나 좋은 것은 하나도 없었습니다. 네트워크는 과거 패턴을 기억하고 앞으로 천천히 소모합니다. 내 개인적인 의견은 이러한 필터로 거래하는 것이 MACD로 거래하는 것과 같다는 것입니다. MACD만으로는 진입점을 결정하기에 충분하지 않습니다. 견적에 포함된 나머지 모든 정보(가격 움직임의 이력, 지지 및 저항 수준, 변동성, 시간, 요일 등)를 고려해야 합니다. 이 모든 정보를 네트워크 입력에 제출하는 것은 매우 어렵습니다. 따라서 눈으로 패턴을 찾고 단순화해야합니다. 9개의 필터 뱅크 대신 2-3개의 필터만 있으면 충분하고 분해 자체를 잊어버릴 수 있습니다.
물론 다른 방법으로도 가능합니다. 가격을 N개의 부드러운 필터로 정확하게 분해하고 패턴을 식별하는 대신 이러한 각 필터를 미래로 추정하고 Vadim이 제안한 대로 합계(가격)가 어떻게 작동하는지 확인하십시오. 하지만 나는 그것을 믿지 않는다. 스스로 판단하십시오. 우리는 미래 가격을 알지 못하며 동일한 확률로 오르거나 내릴 수 있습니다. 이 두 가지 다른 결과와 함께 과거 가격에 대한 두 가지 다른 외삽이 있어야 합니다. 바르게? 그러나 Vadim이 외삽에 대해 이야기할 때 그는 여러 필터가 아니라 각 필터에 대해 하나의 외삽을 의미합니다. 그것은 역설로 밝혀졌습니다. 다른 미래를 설명하려면 외삽을 위한 다른 옵션이 있어야 합니다. 그리고 우리는 하나만 선택합니다. 이 특정 외삽 옵션이 정확하다고 생각하는 이유는 무엇입니까?
이 아이디어에는 "가역성"이라는 한계가 있으며, 이것이 없으면 분해를 그 자체로 인식할 수 없습니다. 문제가 분해되는 부분의 합이 이 문제를 제공해야 합니다. 고조파의 경우, 이는 인용이 분해된 고조파의 합계가 원래 인용을 제공해야 함을 의미합니다.
내가 기억하는 한 푸리에. 고조파 수가 관측 수와 같으면 모든 신호를 절대적으로 정확하게 나타낼 수 있습니다. 이것이 가역성 조건입니다. 그렇지 않으면 원래 신호의 표현에 약간의 오류가 있습니다. DSP에서 이것은 신호를 분리하고 노이즈를 제거하기 때문에 실제로 중요하지 않습니다.
상자에 신호가 없습니다. 그리고 일반적으로 인정되는 것은 원래 인용문을 분해한 나머지 부분을 분석하는 것의 중요성에 대한 인식입니다. 미래 예측을 결정하는 것은 나머지이며 인용문에서 추출한 부드러운 곡선 세트가 아닙니다.
물론 다른 방법으로도 가능합니다. 가격을 N개의 부드러운 필터로 정확하게 분해하고 패턴을 식별하는 대신 이러한 각 필터를 미래로 추정하고 Vadim이 제안한 대로 합계(가격)가 어떻게 작동하는지 확인하십시오. 하지만 나는 그것을 믿지 않는다. 스스로 판단하십시오. 우리는 미래 가격을 알지 못하며 동일한 확률로 오르거나 내릴 수 있습니다. 이 두 가지 다른 결과와 함께 과거 가격에 대한 두 가지 다른 외삽이 있어야 합니다. 바르게? 그러나 Vadim이 외삽에 대해 말할 때 그는 여러 필터가 아니라 각 필터에 대해 하나의 외삽을 의미합니다. 그것은 역설로 밝혀졌습니다. 다른 미래를 설명하려면 다른 외삽 옵션이 있어야 합니다. 그리고 우리는 하나만 선택합니다. 이 특정 외삽 옵션이 정확하다고 생각하는 이유는 무엇입니까?
역설은 없습니다. 설명했다.
faa1947 :
문제를 구성 요소로 분해한다는 아이디어는 과학에서 보편적이며 널리 사용됩니다.
이 아이디어에는 "가역성"이라는 한계가 있으며, 이것이 없으면 분해를 그 자체로 인식할 수 없습니다. 문제가 분해되는 부분의 합이 이 문제를 제공해야 합니다. 고조파의 경우, 이는 인용이 분해된 고조파의 합계가 원래 인용을 제공해야 함을 의미합니다.
내가 기억하는 한 푸리에. 고조파 수가 관측 수와 같으면 모든 신호를 절대적으로 정확하게 나타낼 수 있습니다. 이것은 가역성 조건 입니다. 그렇지 않으면 원래 신호의 표현에 약간의 오류가 있습니다. DSP에서 이것은 신호를 분리하고 노이즈를 제거하기 때문에 실제로 중요하지 않습니다.
상자에 신호가 없습니다 . 그리고 일반적으로 인정되는 것은 원래 인용문을 분해한 나머지 부분을 분석하는 것의 중요성에 대한 인식입니다. 미래 예측을 결정하는 것은 나머지이며 인용문에서 추출한 부드러운 곡선 세트가 아닙니다 .
하나는 다른 하나와 모순되지 않습니다. 원래 행을 복원했습니다.
마지막으로 강조 표시된 것은 외삽과 관련하여 매우 사실입니다. 외삽 자체는 매우 정확하지만 절대적이지는 않습니다. 그러한 선이 많다는 것을 고려하면(수만 개 가능) 누적 오류도 예측에 영향을 미칩니다. 그래서, 블라디미르, 여기에는 역설이 없습니다.
대역 통과 필터 은행을 만들고 싶습니다. 저자의 작업에 대한 링크:
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf
가능한 사용의 예와 함께 충분히 자세히 설명되어 모든 것이 매우 논리적으로 보였습니다. 그러나 저자 자신은 지금 생각하는 것처럼 지연에 대해 한마디도 말하지 않고 다소 교활했습니다. 왜냐하면 최저 통과 필터에서 필터의 중심 주파수가 가 약 1/MN1이면 지연이 몇 샘플이라도 매우 클 것이므로 필터를 선택할 때 최소 지연이 결정적이어야 한다고 생각합니다
지연은 그것과 관련이 없습니다. 지연이 있는 대역 통과 필터 뱅크를 가져와 가격 견적을 이러한 필터의 출력 합계로 분해합니다. 시간 축을 따라 인위적인 이동 없이 모든 것이 밝혀져야 합니다. 가장 중요한 것은 필터가 Vadim이 설명한 대로 교차한다는 것입니다. 실제로 이 신호 분해 수학 영역은 잘 연구되어 있으며 이산 웨이블릿 변환이라고 합니다. 여기에서 지인을 시작한 다음 책을 통해:
https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0 %B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0% B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5
대역 통과 필터 은행을 만들고 싶습니다. 저자의 작업에 대한 링크:
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art7_i17.pdf
https://www.mql4.com/go?http://belisa.org.by/pdf/Publ/Art4_i18.pdf
가능한 사용의 예와 함께 충분히 자세히 설명되어 모든 것이 매우 논리적으로 보였습니다. 그러나 저자 자신은 지금 생각하는 것처럼 지연에 대해 한마디도 말하지 않고 다소 교활했습니다. 왜냐하면 최저 통과 필터에서 필터의 중심 주파수가 가 약 1/MN1이면 지연이 몇 샘플이라도 매우 클 것이므로 필터를 선택할 때 최소 지연이 결정적이어야 한다고 생각합니다
당신은 질문에 대답하지 않았습니다. 필터로 무엇을 할 것인가?
내 작업에서 나는 가장 원시적인 방식으로 작은 거리까지 최소한의 왜곡으로 부드러운 선을 외삽할 수 있다고 제안했습니다. 저것들. 작업은 분해 후 매끄럽고 Sunusoid 같은 선 모음을 얻는 것으로 축소됩니다. 그런 다음 미래로 추정하고 거기에 추가합니다. 질문 ... 단계는 그것과 어떤 관련이 있습니까? 그녀는 보상했다. 위상과 지연은 중요하지 않습니다.
이 작업은 아직 완료되지 않았습니다.
=========================
FIR 필터를 사용하여 이 문제를 신속하게 해결하려면 귀하와 같은 수천 대의 컴퓨터가 필요합니다.
지연은 그것과 관련이 없습니다. 지연이 있는 대역 통과 필터 뱅크를 가져와 가격 견적을 이러한 필터의 출력 합계로 분해합니다. 시간 축을 따라 인위적인 이동 없이 모든 것이 밝혀져야 합니다. 가장 중요한 것은 필터가 Vadim이 설명한 대로 교차한다는 것입니다. 실제로 이 신호 분해 수학 영역은 잘 연구되어 있으며 이산 웨이블릿 변환이라고 합니다. 여기에서 지인을 시작한 다음 책을 통해:
https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%BE%D0 %B5_%D0%B2%D0%B5%D0%B9%D0%B2%D0%BB%D0%B5%D1%82-%D0%BF%D1%80%D0%B5%D0%BE%D0% B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5
감사합니다 조사하겠습니다
당신은 질문에 대답하지 않았습니다. 필터로 무엇을 할 것인가?
내 작업에서 나는 가장 원시적인 방식으로 작은 거리까지 최소한의 왜곡으로 부드러운 선을 외삽할 수 있다고 제안했습니다. 저것들. 작업은 분해 후 매끄럽고 Sunusoid 같은 선 모음을 얻는 것으로 축소됩니다. 그런 다음 미래로 추정하고 거기에 추가합니다. 질문 ... 단계는 그것과 어떤 관련이 있습니까? 그녀는 보상했다. 위상과 지연은 중요하지 않습니다.
이 작업은 아직 완료되지 않았습니다.
=========================
FIR 필터를 사용하여 이 문제를 신속하게 해결하려면 귀하와 같은 수천 대의 컴퓨터가 필요합니다.
감사합니다 조사하겠습니다
모두가 스스로 작업을 설정하고 해결해야 할 문제의 범위를 결정하며 패턴 검색이 나에게 더 가깝습니다. 이제 분해 라인의 상대적 위치가 이전에 관찰된 많은 횟수에 해당하고 이 위치의 가격이 더 자주 증가했다고 가정해 보겠습니다. 작업에서 하나 또는 다른 유형의 필터를 사용하는 것과 관련하여 그에 따라 조치를 취합니다. 아무도 당신보다 더 잘 알지 못한다고 믿으며, 미분 방정식 등을 마스터하는 데 정신적 노력이 거의 필요하지 않기 때문에 어떤 필터에 주의를 기울였습니다. 상수 계수를 곱하고 더하기몇 달 전에 F2, F4, F8, ... F512와 같은 가격 견적 분해 의 입력이 있는 단층 신경망을 만들었습니다. 여기서 F는 필터 출력을 의미하고 숫자는 기간입니다. 즉, 가격은 인용한 기사에 설명된 대로 9개 필터의 이진 트리로 필터링되었습니다. 테스터에 내장된 유전자로 네트워크를 훈련했습니다. 그러나 좋은 것은 하나도 없었습니다. 네트워크는 과거 패턴을 기억하고 전방에 느린 드레인을 제공합니다. 내 개인적인 의견은 이러한 필터로 거래하는 것이 MACD로 거래하는 것과 같다는 것입니다. MACD만으로는 진입점을 결정하기에 충분하지 않습니다. 견적에 포함된 나머지 모든 정보(가격 움직임의 이력, 지지 및 저항 수준, 변동성, 시간, 요일 등)를 고려해야 합니다. 이 모든 정보를 네트워크 입력에 제출하는 것은 매우 어렵습니다. 따라서 눈으로 패턴을 찾고 단순화해야합니다. 9개의 필터 뱅크 대신 2-3개의 필터만 있으면 충분하고 분해 자체를 잊어버릴 수 있습니다.
물론 다른 방법으로도 가능합니다. 가격을 N개의 부드러운 필터로 정확하게 분해하고 패턴을 식별하는 대신 이러한 각 필터를 미래로 추정하고 Vadim이 제안한 대로 합계(가격)가 어떻게 작동하는지 확인하십시오. 하지만 나는 그것을 믿지 않는다. 스스로 판단하십시오. 우리는 미래 가격을 알지 못하며 동일한 확률로 오르거나 내릴 수 있습니다. 이 두 가지 다른 결과와 함께 과거 가격에 대한 두 가지 다른 외삽이 있어야 합니다. 바르게? 그러나 Vadim이 외삽에 대해 이야기할 때 그는 여러 필터가 아니라 각 필터에 대해 하나의 외삽을 의미합니다. 그것은 역설로 밝혀졌습니다. 다른 미래를 설명하려면 외삽을 위한 다른 옵션이 있어야 합니다. 그리고 우리는 하나만 선택합니다. 이 특정 외삽 옵션이 정확하다고 생각하는 이유는 무엇입니까?
몇 달 전에 F2, F4, F8, ... F512와 같은 가격 견적 분해의 입력이 있는 1계층 신경망을 만들었습니다. 여기서 F는 필터 출력을 의미하고 숫자는 기간입니다. 즉, 가격은 인용한 기사에 설명된 대로 9개 필터의 이진 트리로 필터링되었습니다. 테스터에 내장된 유전학으로 네트워크를 훈련했습니다. 그러나 좋은 것은 하나도 없었습니다. 네트워크는 과거 패턴을 기억하고 앞으로 천천히 소모합니다. 내 개인적인 의견은 이러한 필터로 거래하는 것이 MACD로 거래하는 것과 같다는 것입니다. MACD만으로는 진입점을 결정하기에 충분하지 않습니다. 견적에 포함된 나머지 모든 정보(가격 움직임의 이력, 지지 및 저항 수준, 변동성, 시간, 요일 등)를 고려해야 합니다. 이 모든 정보를 네트워크 입력에 제출하는 것은 매우 어렵습니다. 따라서 눈으로 패턴을 찾고 단순화해야합니다. 9개의 필터 뱅크 대신 2-3개의 필터만 있으면 충분하고 분해 자체를 잊어버릴 수 있습니다.
물론 다른 방법으로도 가능합니다. 가격을 N개의 부드러운 필터로 정확하게 분해하고 패턴을 식별하는 대신 이러한 각 필터를 미래로 추정하고 Vadim이 제안한 대로 합계(가격)가 어떻게 작동하는지 확인하십시오. 하지만 나는 그것을 믿지 않는다. 스스로 판단하십시오. 우리는 미래 가격을 알지 못하며 동일한 확률로 오르거나 내릴 수 있습니다. 이 두 가지 다른 결과와 함께 과거 가격에 대한 두 가지 다른 외삽이 있어야 합니다. 바르게? 그러나 Vadim이 외삽에 대해 이야기할 때 그는 여러 필터가 아니라 각 필터에 대해 하나의 외삽을 의미합니다. 그것은 역설로 밝혀졌습니다. 다른 미래를 설명하려면 외삽을 위한 다른 옵션이 있어야 합니다. 그리고 우리는 하나만 선택합니다. 이 특정 외삽 옵션이 정확하다고 생각하는 이유는 무엇입니까?
문제를 구성 요소로 분해 한다는 아이디어는 과학에서 보편적이며 널리 사용됩니다.
이 아이디어에는 "가역성"이라는 한계가 있으며, 이것이 없으면 분해를 그 자체로 인식할 수 없습니다. 문제가 분해되는 부분의 합이 이 문제를 제공해야 합니다. 고조파의 경우, 이는 인용이 분해된 고조파의 합계가 원래 인용을 제공해야 함을 의미합니다.
내가 기억하는 한 푸리에. 고조파 수가 관측 수와 같으면 모든 신호를 절대적으로 정확하게 나타낼 수 있습니다. 이것이 가역성 조건입니다. 그렇지 않으면 원래 신호의 표현에 약간의 오류가 있습니다. DSP에서 이것은 신호를 분리하고 노이즈를 제거하기 때문에 실제로 중요하지 않습니다.
상자에 신호가 없습니다. 그리고 일반적으로 인정되는 것은 원래 인용문을 분해한 나머지 부분을 분석하는 것의 중요성에 대한 인식입니다. 미래 예측을 결정하는 것은 나머지이며 인용문에서 추출한 부드러운 곡선 세트가 아닙니다.
정신적 노력이 필요하지 않습니다 .....
물론 다른 방법으로도 가능합니다. 가격을 N개의 부드러운 필터로 정확하게 분해하고 패턴을 식별하는 대신 이러한 각 필터를 미래로 추정하고 Vadim이 제안한 대로 합계(가격)가 어떻게 작동하는지 확인하십시오. 하지만 나는 그것을 믿지 않는다. 스스로 판단하십시오. 우리는 미래 가격을 알지 못하며 동일한 확률로 오르거나 내릴 수 있습니다. 이 두 가지 다른 결과와 함께 과거 가격에 대한 두 가지 다른 외삽이 있어야 합니다. 바르게? 그러나 Vadim이 외삽에 대해 말할 때 그는 여러 필터가 아니라 각 필터에 대해 하나의 외삽을 의미합니다. 그것은 역설로 밝혀졌습니다. 다른 미래를 설명하려면 다른 외삽 옵션이 있어야 합니다. 그리고 우리는 하나만 선택합니다. 이 특정 외삽 옵션이 정확하다고 생각하는 이유는 무엇입니까?
문제를 구성 요소로 분해한다는 아이디어는 과학에서 보편적이며 널리 사용됩니다.
이 아이디어에는 "가역성"이라는 한계가 있으며, 이것이 없으면 분해를 그 자체로 인식할 수 없습니다. 문제가 분해되는 부분의 합이 이 문제를 제공해야 합니다. 고조파의 경우, 이는 인용이 분해된 고조파의 합계가 원래 인용을 제공해야 함을 의미합니다.
내가 기억하는 한 푸리에. 고조파 수가 관측 수와 같으면 모든 신호를 절대적으로 정확하게 나타낼 수 있습니다. 이것은 가역성 조건 입니다. 그렇지 않으면 원래 신호의 표현에 약간의 오류가 있습니다. DSP에서 이것은 신호를 분리하고 노이즈를 제거하기 때문에 실제로 중요하지 않습니다.
상자에 신호가 없습니다 . 그리고 일반적으로 인정되는 것은 원래 인용문을 분해한 나머지 부분을 분석하는 것의 중요성에 대한 인식입니다. 미래 예측을 결정하는 것은 나머지이며 인용문에서 추출한 부드러운 곡선 세트가 아닙니다 .
하나는 다른 하나와 모순되지 않습니다. 원래 행을 복원했습니다.
마지막으로 강조 표시된 것은 외삽과 관련하여 매우 사실입니다. 외삽 자체는 매우 정확하지만 절대적이지는 않습니다. 그러한 선이 많다는 것을 고려하면(수만 개 가능) 누적 오류도 예측에 영향을 미칩니다. 그래서, 블라디미르, 여기에는 역설이 없습니다.
나는 matcad를 얻었고 이것은 알고리즘을 적용한 후 일어난 일입니다.
LPF가 LPF가 되었습니다
PF가 PF가 되었다
4페이지의 원본 필터를 적용한 결과
수정된 필터를 적용한 결과는 필터 출력의 신호 아래에 있으며 시프트 없이 단순히 합산됩니다(빨간색 선).
모든 주제를 닫을 수 있습니다 감사합니다