不关马什卡的事！
哪里有这种合成马什卡的照片？:)
我还没有!因此，我想就是否参与这一切征求您的意见。谁在考虑这个问题？
Neutron:
我还没有!所以我想我要征求你的意见，是否值得参与这一切。谁在考虑这个问题？
我们能不能继续参加聚会。
我想看看权重在历史上的表现如何。也就是说，我将制作一个有三个缓冲区的指标：w1,w2和w3。
lna01:
我想看看权重在历史上的表现如何。也就是说，我将制作一个有三个缓冲区的指标：w1,w2和w3。
我想看看权重在历史上的表现如何。也就是说，我将制作一个有三个缓冲区的指标：w1,w2和w3。
没问题。只是它将给我们带来什么？显然，它们的行为是有规律的，波动周期较小，因为它们是一个三次方程的解。
grasn:
不，不，不，不。如果你用预测的平均值来重建时间序列，那是不行的，误差很大。我们不需要这样，我们需要估计预测的 "理想LF曲线 "的局部极值，而这些实际上是枢轴区!!!!。一个人应该要求不高 :o)
在这里我不明白!
那里没有稳定的关系。
Neutron:
格拉斯恩。
不，不，不，不。如果你用预测的平均值来重建时间序列，那是不行的，误差很大。我们不需要这样，我们需要估计预测的 "理想LF曲线 "的局部极值，而这些实际上是枢轴区!!!!。一个人应该要求不高 :o)
在这里我不明白!
那里没有稳定的关系。
而且我也没有得到你的非谐波分析。谁是完美的衍生品，它从哪里来？如果你能一步步解释你的分析的本质，我将非常感激（我想我不是唯一的一个）。
同时，我将在Matkadec中进行挖掘，并在几天后或更早的时候（我很注重统计）给你一个关于我的想法的详细描述 :o)
PS：也许他们的整合会产生一些有趣的东西 :o)
这里有一个让我兴奋的想法。
让我们以最常见的有N个平均窗口的向导为例。让我们通过时间序列（RT）向前和向后运行，从而消除组和相位延迟，得到一个理想的平滑曲线，其一阶导数最佳地显示了进入和退出点......尽管只是根据历史数据。
它与数据右侧边缘不可避免的过度渲染有关，我们越是退到历史中去，这种影响就越小。在极限情况下，在离前缘的距离N处可以忽略不计。因此，我们的任务是预测未来N条的导数（左边的图）。
我们可以用另一种方式来做。让我们只进行蒙版的直线运行，我们将得到一个标准的平滑，我们都已经习惯了，有N/2的滞后（右图）。任务可以设定为预测未来N/2条的导数值。顺便说一下，在左图和右图中，N的选择都是为了使LPF带宽大致相同--双通道方案（左图）为100条，直行方案（右图）为200条。所以，我们要对相同的未来条数 进行同等的预测，但双通道方案的导数更平滑，这意味着更好的预测准确性。
我应该马上说，所有用 "通常 "方法进行预测的尝试都不会有积极的结果，一旦我们接近事件视界（N/2或N），预测的准确性就会迅速下降，在视界处达到零。这就是BP的基本属性...
所以我在想，如果对于一个给定的BP，我将建立一个单程mashups的风扇，步骤1从N=2甚至1开始，一直到1000，例如。很明显，相邻刷卡的信息量并没有很大的差别，所以让我们构建一个自相关函数，显示相邻刷卡（或其导数）的 "相似性"。正如预期的那样，一些连续的拭子是高度相关的（图左）。
由于来自相关仪器的信息量很低，我们将把一系列的拭子稀释，只留下那些它们之间的相关系数不超过20%的拭子。现在只剩下三个了--平均窗口为6、80和300条。我们现在把滞后条的加权值之和等同于理想导数（图右的红色粗线）：dMA=w1*dMA1+w2*dMA2+w3*dMA3。
我们应该在历史减去N/2的右侧构建三个这样的方程（以避免喋喋不休），解决它们与权重w的关系，计算BP右侧的dMA值。就这样！我们得到预测值，它表示BP的预期方向。
得到了一种非谐波分析:-)