Выбор размера скользящего окна (для NN или регресии)
По-моему более правильно определять через тестер.
Статья очень странная, особенно о том, что фрактальная размерность от 4 до 6. Все вычисления надо проверять. В интернете по словам фрактальная размерность найдешь все формулы, ссылки на книги и т.д. И еще не доказана связь между фрактальной размерностью и размером окна.
Подбор методом тыка:
Раз это моя личная ветка форума, то я её иногда и буду захломлять разными картинками :)
220 - это скользящее окно - это что-то типа доверительного интервала
Здравствуйте. Вот случайно наткнулся на статью по интересующей меня теме. А именно это: Выбор размера окна. .... Оптимальные результаты достигаются
в случае выбора размера окна
порядка фрактальной размерности данных. Для ее вычисления следует “нарезать”
ряд скользящим окном достаточно большого размера
(см. Рисунок 5 ), а потом вычислить фрактальную размерность полученных данных с помощью, например, Box-count метода....
Подскажите пожалуйста (желательно попроще), как вычислить размер этого скользящего окна( пример с формулой). Или хотя-бы где об этом посмотреть на форуме. А то сижу, подбираю методом научн.тыка, плоховато получается.
И наверное вторым вопросом будет: это расчёт количества необходимых бар историч.данных (min или max) для расчёта по скользящему окну.
Вот здесь - http://neurolectures.narod.ru/2005/Golovko-2005.pdf - вроде довольно подробно рассказано, с каким шагом и какого размера брать окно.
Вот здесь - http://neurolectures.narod.ru/2005/Golovko-2005.pdf - вроде довольно подробно рассказано, с каким шагом и какого размера брать окно.
Спасибо вам, очень интересная лекция по нейроинформатике:
Пусть имеется временной ряд x(t), t = 1,N измерений одной коор
динаты хаотического процесса, произведенных через равные промежутки
времени. Тогда, используя вышеописанные методы, необходимо определить
размерность пространства вложения m и временную задержку τ .
В результате реконструкции получим набор точек пространства Rm:
xi =£x(i), x(i − τ ), . . ., x(i − (m − 1) · τ ), (24)
где i =£(m − 1)τ + 1, N.
Выберем из последовательности (24) точку и обозначим ее через x
Просматривая последовательность (24), найдем такую точку ˜x0, чтобы
выполнялось соотношение k˜x0 − x0k = ε0 < ε, где ε — фиксированная величина,
существенно меньшая размеров реконструированного аттрактора.
Причем необходимо, чтобы точки x0 и ˜x0 были разделены по времени
Затем отслеживаем эволюцию выбранных точек на реконструированном
аттракторе до тех пор, пока расстояние между ними не превысит заданную
величину εmax. Обозначим полученные точки через x1 и ˜x1, расстояние
между ними через ε0, а промежуток времени эволюции через T1.
Далее, вновь просматривая последовательность (24), находим такую
точку ˜x01, чтобы она была близка к x1, то есть k˜x01 − x1k = ε1 < ε,
векторы ˜x1−x1 и ˜x01−x1 имели, по-возможности, одинаковое направление.
Далее процедура повторяется, но вместо точек x0 и ˜x0 рассматриваютс
точки x1 и ˜x01, соответственно (рис. 7).
КАКАЯ-ТО АБРАКАДАБРА! :)
Наверное всё-же буду дальше подбирать экспирементальным путём окно и временной ряд, выводить на график,
визуально оценивать или по мин.средн.ошибке на тестовом и обуч.множестве.
Н1:
Н4:
Ессно, особенно если выдирать из контекста.
1. Если найдете литературу за авторством этого человека -- крайне рекомендую.
2. Выдранный Вами кусок относится к операциям, проводимым уже после определения размерности аттрактора. А именно, к определению стохастичности временного ряда и определению показателей Ляпунова.
3. Наверное надо иметь базовые понятия по Теории Хаоса.
2 и 3 ЕМНИП.
КАКАЯ-ТО АБРАКАДАБРА! :)
Наверное всё-же буду дальше подбирать экспирементальным путём окно и временной ряд, выводить на график,
визуально оценивать или по мин.средн.ошибке на тестовом и обуч.множестве.
Да не, абракадабры особой нет. Там для каждого шага обработки приведено по 3 альтернативных метода, в том числе и для вычисления временного шага и количества отсчет для реконструкции векторов. По поводу расходящихся точек x0 - это уже из области определения показателей Ляпунова.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Здравствуйте. Вот случайно наткнулся на статью по интересующей меня теме. А именно это: Выбор размера окна. .... Оптимальные результаты достигаются
в случае выбора размера окна порядка фрактальной размерности данных. Для ее вычисления следует “нарезать” ряд скользящим окном достаточно большого размера
(см. Рисунок 5 ), а потом вычислить фрактальную размерность полученных данных с помощью, например, Box-count метода....
Подскажите пожалуйста (желательно попроще), как вычислить размер этого скользящего окна( пример с формулой). Или хотя-бы где об этом посмотреть на форуме. А то сижу, подбираю методом научн.тыка, плоховато получается.
И наверное вторым вопросом будет: это расчёт количества необходимых бар историч.данных (min или max) для расчёта по скользящему окну.