识别有用信号的最佳历史深度是什么? - 页 20

 
ZaPutina:
我看你还没有和你的女婿谈过......。

与一个前女婿。他不是一个糟糕的精神病学家,但他对优化问题的降维方法一无所知。

我要告诉你一个可怕的秘密:用平滑的目标函数,寻找最佳参数值的问题的维度可以非常容易地减少一半。当整个优化区间被分成许多块,每块有两个区间时,可以达到最严重的降维效果。这最终导致画出一个多维的立方体,每条边都有2个间隔。由于优化问题总是归结为这些区间的比较,算法的计算复杂性与多维立方体的周长成正比。

它被用于对某一事物的参数进行动态(即时)优化;有时这一过程被称为适应,因为一个能够实时优化自身的系统显然是适应性的。

 
tara:
因为最小的周长有一个正方形。
相当有争议的说法;)
 
是吗?
 
ZaPutina:

1-那个帖子中的二度很清楚,这个度数不仅是32,还有16和64,为什么32是信号检测和计算成本的最佳比例。而在什么时间范围内实现这样的妥协,当然不是在5分钟的时间范围内。同时,那个帖子的作者建议使用一个大的时间框架,因为我的计数很长。他将自己的预测限制在32个小节的历史上,规定他为64个小节计算半秒,他想知道需要多长时间才能得到720个小节。所以,如果他已经使用了一个大型的TF(还没有说是哪一个),有什么好狂热的呢?

2- 有这样一种东西,chpc方法,实现有公共和私人自行车,以及什么...

3-转向你的切线上的曲线,有一些图形方式,你不需要平均什么,曲线的绝对值可能会跳跃,但有一些区域,它们不会改变(一定的背景)在离开这些区域后,我们看看运动去了哪里,然后开车,因为在大多数情况下,它将继续,很明显,两种方法减少到大约相同。

但是,如果有可能将你的曲率装入一个多币种集群(在指数构建之后的一个阶段),那么我认为在同步联合分析中解释这些曲率将不会更容易。虽然我不知道,他们会简单地画出入口,仅此而已。

我的弯曲度没有被讨论过。他们有另一个目的。

而这个主题是关于科泰尔尼科夫定理的。这有点漫无边际,但大概就是这样。

 
tara:
我不认为他们是在谈论我的曲线。他们有不同的目的。
你对你的排他性的看法会毁了你))))。 吁 吁 吁 吁
 
ZaPutina:
你对自己的排他性的看法会毁了你))))。
爱国者,我应该把一袋灰烬挂在你脚下的挂绳上吗?
 
蘑菇,还是浆果?
 
你最清楚你是在什么情况下问的问题。
 

睡了吗?

 
我问过他吗?