基于傅里叶的假说 - 页 9 1234567891011 新评论 Evgeniy Logunov 2009.08.16 14:36 #81 grasn писал(а)>> 我不是线性代数的专家，但我看到过更快的算法的描述。顺便说一下，如果有人有--把它传给Urain，从计算速度的角度看，它将是更有用的图书馆。 更快的算法是高斯法（经过适当修改）。 我昨天开始写线性代数的库（我没有依赖Urain 库）。我的图书馆有更多的可能性。等着看吧。 Evgeniy Logunov 2009.08.16 14:57 #82 lea писал(а)>> 一个更快的算法是高斯法（经过适当修改）。 我昨天开始写一个关于线性代数的库（我没有依赖Urain 库）。我的图书馆有更多的可能性。等等。 为了使我的话不至于让你觉得空洞无物--我将列出一个我的库的头文件。我的库本身还在扩展和测试中（我在maple中检查计算结果）。 附加的文件： libmatrix.mqh 18 kb [删除] 2009.08.16 14:57 #83 grasn >> : 我不是线性代数的专家，但我看到过关于更快的算法的描述。顺便说一下，如果有人拥有它--把它传给Urain，从计算速度的角度看，它将是更有用的图书馆。 你应该把矩阵还原成三角形式，例如用Jordano-Hauss消除法。 其（三角）对角线元素的乘积是初始矩阵的行列式（在消除时有必要考虑到行转置时的符号）。之后，人们可以利用其部分小数和部分行列式对整个矩阵进行反演。它的工作速度比规范的方法快十倍。而且，仅仅通过典范的短算法就可以检查程序的正确性。 C语言中的数值配方，第二版（1992）。 线性代数方程的解法 http://www.nrbook.com/a/bookcpdf.php 顺便说一下，还有一本有用的免费好书（虽然大部分是关于傅里叶的）。 2. 科学家和工程师的数字信号处理指南 作者：Steven W. Smith, Ph.D. http://www.dspguide.com/pdfbook.htm Mykola Demko 2009.08.16 15:07 #84 AlexEro >> : 你将一个矩阵还原成三角形式--例如，通过Jordano-Hauss消除法，其（三角）对角线元素的乘积就是初始矩阵的行列式（在消除时重新排列行时，你也应该考虑到符号）。之后，人们可以利用其部分小数和部分行列式对整个矩阵进行反演。它的工作速度比规范的方法快十倍。而且，仅仅通过典范的短算法就可以检查程序的正确性。 C语言中的数值配方，第二版（1992）。 线性代数方程的解法 http://www.nrbook.com/a/bookcpdf.php 顺便说一下，还有一本有用的免费好书（虽然大部分是关于傅里叶的）。 2. 科学家和工程师的数字信号处理指南 作者：Steven W. Smith, Ph.D. http://www.dspguide.com/pdfbook.htm 实际上，这种方法在寻找行列式时就已经实现了，但对于转换来说，有没有什么更快的方法？ 我为每个单元格找到一个次要的，然后除以行列式。（结果是要找到N^2个次要的，而且次要的也是少一个等级的行列式）。 Evgeniy Logunov 2009.08.16 15:09 #85 Urain писал(а)>> 其实这种方法是在寻找行列式时实现的，但有没有什么更快的转换方法。 我为每个单元格找到一个次要的，然后除以行列式。（事实证明需要找到N^2个次要的，而且一个次要的也是少一个等级的行列式）。 高斯方法可以适用于此。O(N^3)。在维基百科上查找 "逆矩阵"。 [删除] 2009.08.16 15:34 #86 Urain >> : 其实这种方法是在寻找行列式时实现的，但有没有什么更快的转换方法。 我为每个单元格找到一个次要的，然后除以行列式。（事实证明需要找到N^2个次要的，而且一个次要的也是少一个等级的行列式）。 这个周期只需要一点时间。问题是，你递归地计算一个未成年人，不是吗？你可以不通过递归来计算每个次要的，而是通过VER将每个（次要的，私人的，子矩阵）矩阵转换为三角形式来加速它。 [删除] 2009.08.16 15:37 #87 grasn >> : 这样的矩阵的一行基本上是在特定历史上的KP系数的动态。而这样的系列，虽然看起来很奇怪，但却是固定的，有很多优点。这里有几个例子。 频率为0。 感谢Mathcade中的程序。试图复制它，但发现它的行为与你的例子有点不同。为了预测，我在欧元兑美元的M15上取了一个长度为1500条的上周部分。它看起来和你的测试部分差不多。 但在我使用CreateModeMatrix()之后，我在频率0处得到了相当不同的画面。 在其他频率下，同样的情况也大致如此。就是说，没有像你的例子中那样的大周期。如果你不介意的话，请谈谈你的看法，哪个选项是正确的。 a) 不同的数据集--不同的特征。 b) 对DW矩阵结果的误解。 c) 程序中的打字错误。 Сергей 2009.08.16 15:42 #88 equantis >> : 感谢Mathcade中的程序。试图复制它，但发现它的行为与你的例子有点不同。为了预测，我在M15上取了一段长度为1500条的欧元兑美元的最后一周。它看起来和你的测试部分差不多。 但在我使用CreateModeMatrix()之后，我在频率0处得到了相当不同的画面。 在其他频率下，同样的情况也大致如此。就是说，没有像你的例子中那样的大周期。如果你不介意的话，请谈谈你的看法，哪个选项是正确的。 a) 不同的数据集--不同的特征。 b) 对DW矩阵结果的误解。 c) 程序中的打字错误。 1:1的实施？ PS: 更正一下。如果是1:1，而且输入行是引用的，那就很奇怪了。如果图片是稳定的，那么它已经非常奇怪了。 Sceptic Philozoff 2009.08.16 16:21 #89 Urain >> :我为每个单元格找到一个次要的，然后除以行列式。（这需要找到N^2个次要的，而且一个次要的也是一个少一个等级的行列式）。 当然，这是个缓慢的方法。我想知道你是如何在一个100乘100的矩阵中仍然得到一些东西的。 Сергей 2009.08.16 16:26 #90 以防万一，以减轻你的良心 负担 :o) 警告 看着应用傅里叶变换的话题，我想起了我以前自娱自乐的东西，于是写道，认为这将是 "一个不应该存在的模型的存储"。说实话，我当时放弃了这种模式，因为我已经充分意识到实施这种方法的复杂性和实际的不可能性。只是在概念上，我们把复杂的东西分成简单的。在实践中，事实证明，不可能以足够的准确性进行50次、100次或更多的预测，这是很温和的说法。自然界是相当难以欺骗的，更确切地说，是不可能的。而更糟糕的是，我们不需要第一个结果（它们是最准确的），而是需要预测系列中的最后一个，而且它只是最不准确的。 而这个系列本身并不那么简单。因此，实际上不可能将预测 用于交易（没有必要关注一个幸运的单一图片）。 我不太确定是否有必要在这个方向上花费时间......解决办法当然可能存在，但鉴于市场报价的所有具体情况，它非常、非常、非常、非常难以找到。 1234567891011 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
我不是线性代数的专家，但我看到过更快的算法的描述。顺便说一下，如果有人有--把它传给Urain，从计算速度的角度看，它将是更有用的图书馆。
更快的算法是高斯法（经过适当修改）。
我昨天开始写线性代数的库（我没有依赖Urain 库）。我的图书馆有更多的可能性。等着看吧。
一个更快的算法是高斯法（经过适当修改）。
我昨天开始写一个关于线性代数的库（我没有依赖Urain 库）。我的图书馆有更多的可能性。等等。
为了使我的话不至于让你觉得空洞无物--我将列出一个我的库的头文件。我的库本身还在扩展和测试中（我在maple中检查计算结果）。
我不是线性代数的专家，但我看到过关于更快的算法的描述。顺便说一下，如果有人拥有它--把它传给Urain，从计算速度的角度看，它将是更有用的图书馆。
你应该把矩阵还原成三角形式，例如用Jordano-Hauss消除法。 其（三角）对角线元素的乘积是初始矩阵的行列式（在消除时有必要考虑到行转置时的符号）。之后，人们可以利用其部分小数和部分行列式对整个矩阵进行反演。它的工作速度比规范的方法快十倍。而且，仅仅通过典范的短算法就可以检查程序的正确性。
C语言中的数值配方，第二版（1992）。
线性代数方程的解法
http://www.nrbook.com/a/bookcpdf.php
顺便说一下，还有一本有用的免费好书（虽然大部分是关于傅里叶的）。
2. 科学家和工程师的数字信号处理指南
作者：Steven W. Smith, Ph.D.
http://www.dspguide.com/pdfbook.htm
你将一个矩阵还原成三角形式--例如，通过Jordano-Hauss消除法，其（三角）对角线元素的乘积就是初始矩阵的行列式（在消除时重新排列行时，你也应该考虑到符号）。之后，人们可以利用其部分小数和部分行列式对整个矩阵进行反演。它的工作速度比规范的方法快十倍。而且，仅仅通过典范的短算法就可以检查程序的正确性。
C语言中的数值配方，第二版（1992）。
线性代数方程的解法
http://www.nrbook.com/a/bookcpdf.php
顺便说一下，还有一本有用的免费好书（虽然大部分是关于傅里叶的）。
2. 科学家和工程师的数字信号处理指南
作者：Steven W. Smith, Ph.D.
http://www.dspguide.com/pdfbook.htm
实际上，这种方法在寻找行列式时就已经实现了，但对于转换来说，有没有什么更快的方法？
我为每个单元格找到一个次要的，然后除以行列式。（结果是要找到N^2个次要的，而且次要的也是少一个等级的行列式）。
其实这种方法是在寻找行列式时实现的，但有没有什么更快的转换方法。
我为每个单元格找到一个次要的，然后除以行列式。（事实证明需要找到N^2个次要的，而且一个次要的也是少一个等级的行列式）。
高斯方法可以适用于此。O(N^3)。在维基百科上查找 "逆矩阵"。
其实这种方法是在寻找行列式时实现的，但有没有什么更快的转换方法。
我为每个单元格找到一个次要的，然后除以行列式。（事实证明需要找到N^2个次要的，而且一个次要的也是少一个等级的行列式）。
这个周期只需要一点时间。问题是，你递归地计算一个未成年人，不是吗？你可以不通过递归来计算每个次要的，而是通过VER将每个（次要的，私人的，子矩阵）矩阵转换为三角形式来加速它。
这样的矩阵的一行基本上是在特定历史上的KP系数的动态。而这样的系列，虽然看起来很奇怪，但却是固定的，有很多优点。这里有几个例子。
频率为0。
感谢Mathcade中的程序。试图复制它，但发现它的行为与你的例子有点不同。为了预测，我在欧元兑美元的M15上取了一个长度为1500条的上周部分。它看起来和你的测试部分差不多。
但在我使用CreateModeMatrix()之后，我在频率0处得到了相当不同的画面。
在其他频率下，同样的情况也大致如此。就是说，没有像你的例子中那样的大周期。如果你不介意的话，请谈谈你的看法，哪个选项是正确的。
a) 不同的数据集--不同的特征。
b) 对DW矩阵结果的误解。
c) 程序中的打字错误。
感谢Mathcade中的程序。试图复制它，但发现它的行为与你的例子有点不同。为了预测，我在M15上取了一段长度为1500条的欧元兑美元的最后一周。它看起来和你的测试部分差不多。
但在我使用CreateModeMatrix()之后，我在频率0处得到了相当不同的画面。
在其他频率下，同样的情况也大致如此。就是说，没有像你的例子中那样的大周期。如果你不介意的话，请谈谈你的看法，哪个选项是正确的。
a) 不同的数据集--不同的特征。
b) 对DW矩阵结果的误解。
c) 程序中的打字错误。
1:1的实施？
PS: 更正一下。如果是1:1，而且输入行是引用的，那就很奇怪了。如果图片是稳定的，那么它已经非常奇怪了。
我为每个单元格找到一个次要的，然后除以行列式。（这需要找到N^2个次要的，而且一个次要的也是一个少一个等级的行列式）。
当然，这是个缓慢的方法。我想知道你是如何在一个100乘100的矩阵中仍然得到一些东西的。
以防万一，以减轻你的良心 负担 :o)
警告
看着应用傅里叶变换的话题，我想起了我以前自娱自乐的东西，于是写道，认为这将是 "一个不应该存在的模型的存储"。说实话，我当时放弃了这种模式，因为我已经充分意识到实施这种方法的复杂性和实际的不可能性。只是在概念上，我们把复杂的东西分成简单的。在实践中，事实证明，不可能以足够的准确性进行50次、100次或更多的预测，这是很温和的说法。自然界是相当难以欺骗的，更确切地说，是不可能的。而更糟糕的是，我们不需要第一个结果（它们是最准确的），而是需要预测系列中的最后一个，而且它只是最不准确的。 而这个系列本身并不那么简单。因此，实际上不可能将预测 用于交易（没有必要关注一个幸运的单一图片）。
我不太确定是否有必要在这个方向上花费时间......解决办法当然可能存在，但鉴于市场报价的所有具体情况，它非常、非常、非常、非常难以找到。