В 1988 году Константино Тсаллис (Constantino Tsallis) предложил обобщение статистической механики Больцмана-Гиббса-Шеннона (Boltzmann-Gibbs-Shannon) [1], в котором было введено понятие неэкстенсивной энтропии (nonextensive entropy). Важным следствием обобщения энтропии оказалось существование новых типов распределений [2], играющих ключевую...
这一点最好由我的URMhttps://www.mql5.com/ru/articles/250。
斜着读，没有看到任何类似的词。这更像是https://www.mql5.com/ru/articles/412
但我不能把它弄出来。
我的URMhttps://www.mql5.com/ru/articles/250 将最适合于此，尽管我不赞成使用神经网络。
这不是一个事实。还没有人想出问题是什么，而你已经有了解决方案。
这不是一个事实。还没有人想出问题是什么，而你已经有了解决方案。
是的，每个人都已经想通了，他们只是不知道如何做
以输出函数的形式，对神经网络的特征进行随机转换，以便新的数据可以被替换。
每个人都想通了，他们只是不知道如何做
对神经网络的特征进行随机转换，作为一个输出函数，以便新的数据可以被替换。
嗯，大家都明白，但不能说。
你似乎没有实际解决插值的问题，是吗？是吗？在内插法中，你不谈论简化函数的问题。插值的意义不是为了简化。有人在教科书中把插值和近似放在一个标题下，然后就这样了......
为什么要指定一个已经定义好的从负无穷到正无穷的函数的域？
由于数学大师们写的教科书--一章一章的倾倒，所以高级讲师根据这些教科书讲课，同样的倾倒也到了学生的头上，其中一些学生后来成为教师，循环往复。然后他们中的一些人，不是解释既定定义的含义，而是引入新的定义......而不是一个函数，它是一个映射，是一个死胡同。有些人满脑子都是这些术语，认为自己成了数学家......某种共产主义的左派病。
一个实际的任务，我必须同时定义插值节点（函数定义 区）和简化一个由明确的公式定义的函数：显示一个椭圆的部分或全部倾斜的轴。egavga.bgi驱动没有命令可以在屏幕上画一个斜轴的椭圆。我不得不用圆圈的碎片代替曲线，而这些碎片已经在以正常速度输出。我认为在现代的屏幕输出工具中，从硬件上来说，这已经做得比较容易了。但在那时.........我不得不做了很多扭曲的工作。而描述性几何学中已知的用4块圆组成的椭圆代替椭圆的方法给人的印象太粗糙，我们做了8块。
而你关于学生和讲解员的 "原创 "想法，在雷蒙德-M-斯马利安的《这本书叫什么名字》一书中引用的文字，比我的回答更好。
"现代数学所达到的前沿领域与传统的'既定'数学课程之间存在着差距，该科学的杰出代表、教育家和普及者雨果-斯坦高兹（Hugo Steingauz）对这一差距进行了色彩斑斓的描述："在数学中，比其他学科更明显，人们感到人类的脚步是多么的绵长。在我们同时代的人中，有一些人的数学知识可以追溯到比埃及金字塔更早的时代，而且他们占绝大多数。一小部分人的数学知识已经达到了中世纪，而十八世纪的数学水平甚至没有达到千分之一。但是，那些走在前列的人，和无边无际的旅行者之间的距离越来越大，队伍被拉长了，走在前面的人距离越来越远。他们看不见，很少有人知道，关于他们的故事让人吃惊。有一些人根本不相信它们的存在。
P.S. 本论坛最受欢迎的主题之一（从理论到实践）是致力于创建一个交易系统，特别是通过解决福克-普朗克积分微分方程。它是Kolmogorov-Chepman方程的一个特例（对于马尔科夫过程），其中涉及代表概率分布函数的线性算子。这些映射根本就不是函数，因为集合A和B包含分布，而不是数字。
来源：维基百科，自由百科全书。
在拓扑向量空间中，连续线性算子P(t)的单参数族的Kolmogorov-Chepman方程，t>0，表达了一个半群特性。
P（t+s）=P（t）P（s）。
这个术语在同质马尔科夫随机过程的理论中最常用，其中P(t)，t>=0是一个将初始时间的概率分布转换为时间t的概率分布的算子（P(0)=1）。
我需要用任意的设置对一个函数进行插值，所以我选择了样条。
我正确的理解是，我将通过节点 点的数量得到不同的内插值，还有什么可以改变？
第二个问题，如果我只需要对原始系列建立许多不同的插值（变化很重要），从列表 中选择什么插值更好？
如果你需要 "变化"，精确的插值方法对你不起作用，只有ANC之类的方法。
根据我对你后续帖子的理解，你想用插值法来解决外推问题。唯一可行的方法是趋势，其他都是垃圾。
弗拉基米尔，我很抱歉。我只是想得比较慢。
你知道我的意思。
对于一个交易者来说，外推法，而不是内插法或近似法，是最有价值的。
花键不适合用于外推。
我在多项式近似-外推法方面有很好的经验和理解。经验不足--傅立叶。
用 多项式和傅里叶方法进行外推，性质完全不同。傅里叶外推法由于其周期性（此线是不同频率、相位和振幅的正弦波的总和），只能应用于平坦的市场，而且它总是倾向于回调，而多项式外推法则相反，有利于趋势，因为它由于其程度性，总是试图 "向上飞 "或向下。
因此，为了获得良好的推断结果，将这两种方法结合起来是有意义的。
多项式近似是程序员特别感兴趣的，因为这种类型的近似是非常好的优化，可以非常快速地计算。我设法摆脱了计算系数的周期。
同样重要的是要记住，所有类型的近似都会在每个新的点上创建可重绘的线条。只有来自近似线的描边没有被重绘。
多项式近似只有一个解，与傅里叶近似相反。这允许创建独特的不可重画的幻灯片。
傅立叶不适合于外推法。没有什么/没有理由去外推一个周期性的函数：只需从左边缘取值--如果外推误差趋于零，即如果你取所有的谐波进行计算，而不是选定的谐波，理论上你会得到这样的结果。
这就是为什么它应用于一个单位会得到一个更合理的结果--存在一个狭窄的价格波动范围。因此，推断误差在那里（在平地）并不关键。
傅立叶不适合于外推法。没有什么/没有理由去外推一个周期性的函数：只需从左边缘取值--如果外推误差趋于零，即如果你取所有的谐波进行计算，而不是选定的谐波，理论上你会得到这样的结果。
这就是为什么它应用于一个单位会得到一个更合理的结果--存在一个狭窄的价格波动范围。因此，推断误差在那里（在平地）并不关键。
对不起，我不能理解你的意思。可能是由于我的限制。但我努力了。
但请看一看，看看这个例子。
https://www.mql5.com/ru/forum/216298/page5#comment_6484839