Discussão do artigo "Redes neurais de maneira fácil (Parte 92): Previsão adaptativa nas áreas de frequência e tempo"
As redes neurais são fáceis. Parte 92 😅
Sempre em seus códigos de exemplo falta algum arquivo Neural Networks Made Easy (Part 92) falta o arquivo legendre.mqh
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Redes neurais de maneira fácil (Parte 92): Previsão adaptativa nas áreas de frequência e tempo foi publicado:
Os autores do método FreDF confirmaram experimentalmente a vantagem da previsão combinada nas áreas de frequência e tempo. No entanto, o uso de um hiperparâmetro de ponderação não é ideal para séries temporais não estacionárias. Neste artigo, proponho que você conheça um método de combinação adaptativa de previsões nas áreas de frequência e tempo.
As áreas de tempo e frequência são duas representações fundamentais usadas para análise de dados de séries temporais. Na área de tempo, a análise se concentra nas mudanças de amplitude ao longo do tempo, o que permite identificar dependências locais e processos transitórios dentro do sinal. Por outro lado, a análise na área de frequência foca na representação das séries temporais em termos de seus componentes de frequência, proporcionando uma compreensão das dependências globais e características espectrais dos dados. Combinar as vantagens de ambas as áreas é uma abordagem promissora para resolver o problema da mistura de diferentes propriedades periódicas em séries temporais reais. E aqui enfrentamos o desafio de combinar eficazmente as vantagens das áreas de tempo e frequência.
Em comparação com os avanços na área de tempo, a área de frequência ainda possui muitas áreas inexploradas. Nos últimos artigos, conhecemos alguns exemplos de uso da área de frequência para um melhor tratamento das dependências globais das séries temporais. A previsão direta na área de frequência permite utilizar mais informações espectrais para aumentar a precisão das previsões de séries temporais. No entanto, existem alguns problemas associados à previsão direta do espectro na área de frequência. Um desses problemas é a possível incompatibilidade das características de frequência entre o espectro dos dados analisados conhecidos e o espectro completo da série temporal estudada, que surge do uso da Transformada Discreta de Fourier (DFT). Essa incompatibilidade dificulta a representação exata de informações sobre frequências específicas em todo o espectro dos dados brutos, o que leva a imprecisões nas previsões.
Autor: Dmitriy Gizlyk