Tiedän, että tämä on saavutettavissa lisäyksellä kuin per. But haluan todella välttää käyttää boost Olen googled eikä ole löytänyt mitään sopivia tai luettavia esimerkkejä. Oikeudellisesti haluan seurata liukuva keskiarvo jatkuva virta virta virtaa pisteen numerot Käyttäen viimeisimpiä 1000 numeroita datanäytteinä. Mikä on helpoin tapa saavuttaa tämä. Olen kokeillut pyöreän taulukon, eksponentiaalisen liukuvan keskiarvon ja yksinkertaisemman liikkuvan keskiarvon ja havainnut, että pyöreän taulukon tulokset sopivat tarpeeseeni parhaiten Jos olet tarpeesi yksinkertainen, kokeile vain eksponentiaalisen liikkuvan keskiarvon käyttämistä. Voit yksinkertaisesti tehdä akunmuuttujan, ja kun koodisi tarkastelee jokaista otosta, koodi päivittää akun Uusi arvo Keräät jatkuvan alfan, joka on välillä 0 ja 1, ja laske tämä. Sinun tarvitsee vain löytää alfa-arvo, jossa tietyn näytteen vaikutus kestää vain noin 1000 näytettä. Hmm, en oikeastaan ole varma, että tämä on Sopii sinulle, nyt t Hattu olen laittanut sen tänne Ongelmana on, että 1000 on melko pitkä ikkuna eksponentiaaliseen liukuvaan keskimäärään. En ole varma, että on olemassa alfaa, joka levisi keskimäärin viimeisten 1000 numeroiden aikana ilman alivirtausta liukulukulaskennassa. Halusi pienemmän keskiarvon, kuten 30 numeroa tai niin, tämä on erittäin helppo ja nopea tapa tehdä se. Vastattu 12 kesäkuu 12 klo 4 44. 1 viestissäsi Eksponentiaalinen liukuva keskiarvo voi antaa alfan muuttuvan. Joten tämä sallii sen käytetään esim. tavujen laskemiseen ajan mukaan, esim. tavut sekunnissa Jos viimeisen akun päivityksen aika on yli 1 sekunti, anna alfa olla 1 0 Muuten voit antaa alfa-arvon käytön viimeisen päivityksen jälkeen 1000000 jxh 12. kesäkuuta 12 6 21.Keskeekö haluan seurata liukuvan pistemäärän virran jatkuvan virran liikkuvan keskiarvon käyttäen viimeisimpiä tuhansia numeroita datanäytteeksi. Huomaa, että alla päivitetään kokonaissumma lisättyjen elementtien joukosta, välttäen kalliin ON-siirtymän laskea Summa - tarvitaan th e keskimäärin - kysyntään. Total on tehty erilainen parametri T: stä tukemaan esim. pitkäaikaista käyttämistä, kun on yhteensä 1000 pitkä s, int on char, tai kaksinkertainen kokonaiseen float s: iin. Tämä on hieman virheellinen siinä numsamples voisi Mennä ohi INTMAX - jos välitätte, että voit käyttää kirjautumatonta pitkäaikaista tai käyttää ylimääräistä bool datan jäsentä tallentamaan, kun säiliö täytetään ensimmäistä kertaa pyöräilemällä numerotäytteitä taulukon ympärille parhaiten sitten nimetty jotain harmittomia, kuten pos. answered Jun 12 12 at 5 19 . Oletetaan, että tyhjä operaattori T-näyte on todellisuudessa tyhjä operaattori T-näyte oPless 8 kesäkuu 14 klo 11 52. oPless ahhh hyvin havaittu itse tarkoitin, että se on tyhjä operaattorin T näyte, mutta tietysti voit käyttää mitä tahansa merkintä pidit Will korjata, Kiitos Tony D 8 kesäkuu 14 at 14 27. Onko mahdollista toteuttaa liikkuvan keskiarvon C ilman näytteen ikkunan tarvetta. Olen huomannut, että voin optimoida hieman, valitsemalla ikkunan koon, jonka teho on kaksi sallia bit-shifting sijaan jakaa, mutta ei tarvitse buf Foorumi olisi mukava Onko olemassa keino ilmaista uutta liikkuvaa keskiarvoa vain vanhan tuloksen ja uuden mallin funktiona. Määritä esimerkki liikkuvasta keskiarvosta 4 näytteen ikkunan poikki. Lisää uusi näyte eA liukuva keskiarvo toteutetaan rekursiivisesti, mutta tarkan laskennan liikkuva keskiarvo sinun täytyy muistaa vanhin tulon näytteen summa eli a oman esimerkin pituus N liukuva keskiarvo lasketaan. where yn on lähtösignaali ja xn on tulo Signaali Eq 1 voidaan kirjoittaa rekursiivisesti niin. Joten sinun täytyy aina muistaa näytteen x nN laskemalla 2.As huomautti Conrad Turner, voit käyttää äärettömän pitkää eksponentiaalisen ikkunan sijaan, jonka avulla voit laskea vain tuotos Mutta tämä ei ole vakio painottamaton liukuva keskiarvo vaan eksponentiaalisesti painotettu liukuva keskiarvo, jossa näytteet aiemmin saivat pienemmän painon, mutta ainakin teoriassa et koskaan unohda mitään painoja jus T saada pienempiä ja pienempiä näytteitä kaukana aiemmin. Olen toteutettu liikkuvan keskiarvon ilman yksittäisiä elementti muisti GPS seuranta-ohjelma kirjoitin. Olen aloittaa 1 näyte ja jakaa 1 saada nykyinen avg. I sitten lisätä anothe näyte ja jakaa 2 nykyiseen avg. This jatkuu, kunnes saan keskimääräisen pituuden. Jokainen aika myöhemmin, lisään uuteen näyte, saat keskimäärin ja poista keskimääräinen kokonaismäärästä. En ole matemaatikko, mutta tämä Näytti siltä, että se olisi hyvä tapa tehdä se Ajattelin, että se muuttuisi todellisen matemaattisen kaverin vatsasta, mutta osoittautuu, että se on yksi hyväksytty tavoista tehdä se Ja se toimii hyvin Muista vain, että mitä korkeampi pituus on, sitä hitaampi se on Seuraa mitä haluat seurata Tämä ei ole väliä suurimman osan ajasta, mutta kun seuraavat satelliitit, jos olet hidas, polku voi olla kaukana todellisesta sijainnista ja se näyttää huonoilta Saatat olla aukko sat ja jälkipisteet Valitsin pituuden 15 päivitetty 6 kertaa minuutissa saadaksesi ade Quate tasoitus ja ei pääse liian kauas todellisesta sat positiosta tasoitettu polku dots. vastattu 16 marraskuu 16 klo 23 03.initialize yhteensä 0, count 0 joka kerta kun uusi arvo. Näin yksi tulo scanf, yksi lisätä yhteensä newValue, yksi Lisäys lasketaan, yksi jakaa keskimääräinen kokonaismäärä. Tämä olisi liikkuva keskiarvo kaikkien tulojen. Laskettaessa keskimääräistä yli vain viimeiset 4 panoksia, vaatisi 4 inputvariables, ehkä kopioida kunkin panoksen vanhempi inputvariable, sitten laskea uusi liukuva keskiarvo koska neljän tulomuuttujan summa, jaettuna 4 oikealla siirtymällä 2, olisi hyvä, jos kaikki panokset olisivat positiivisia keskimääräisen laskennan tekemiseksi. Vastaus 3 15 helmikuu 4 06. Tämä todellakin laskee yhteenlasketun keskiarvon eikä liukuva keskiarvo laskettuna kasvattaa uuden tulonäytteen vaikutusta Hilaryn Hilaryn 3. helmikuuta 13 klo 13 53. Your Answer.2017 Stack Exchange, Inc. Exponential Moving - tilat epäsäännölliselle aikasarjalle. Aikasarjan analyysissä on usein tarve tasoittaa Funktiot, jotka reagoivat nopeasti signaalin muutoksiin. Tyypillisessä sovelluksessa voi olla tulosignaalia reaaliajassa ja haluat laskea sellaisia asioita kuin viimeisimmän keskiarvon tai saada hetkellisen kaltevuuden. Mutta reaalimaailman signaalit ovat usein meluisa Muutamat meluisat näytteet tekevät signaalin nykyisen arvon tai sen kaltevuuden vaihtelevan laajasti. Keskimääräiset vaihtelut. Yksinkertaisin tasoitustoiminto on ikkuna liikkuvan keskiarvon mukaan. Näytteet tulevat ottamaan keskimäärin viimeisimmät N-arvot. Tämä tasoittaa mutta viivästyy tai viivästyy Keskimäärin viivästyy aina liikkumattoman keskiarvon leveydellä. Edellä oleva esimerkki on suhteellisen kallis laskentaa. Jokaisen näytteen on oltava iteroita koko ikkunan kokoon. Mutta on olemassa halvempia tapoja Pidä kaikkien näytteiden summa ikkunassa puskuriin ja säädä summa uusien näytteiden sisäänmenona. Toinen liikkuvan keskiarvon tyyppi on painotettu liukuva keskiarvo, joka painaa jokaista näytteessä olevaa asentoa w indow Ennen keskiarvoistamista kerroit jokaisen näytteen kyseisen ikkunapaikan painosta. Teknisesti tätä kutsutaan konvoluutiona. Yksi tyypillinen painotustoiminto soveltaa kellokäyrää näyteikkunaan. Tämä antaa signaalin, joka on viritetty ikkunan keskelle ja vielä Melko suvaitsevainen meluisimmista näytteistä Taloudellisessa analyysissä käytetään usein painotustoimintoa, joka arvostaa viimeaikaisia näytteitä enemmän, jotta saadaan liikkumaton keskiarvo, joka seuraa entistä paremmin viimeisimpiä näytteitä. Vanhemmilla näytteillä annetaan asteittain vähemmän painoa. Tämä hieman lievittää latenssien vaikutuksia, mutta silti antaa kohtuullisen Hyvä tasoitus. Painotetun keskiarvon avulla sinun on aina toistettava koko ikkunan kokoa kohti jokaista näytettä, ellei voit rajoittaa sallittuja painoja tiettyihin toimintoihin. Exponential Moving Average. Toinen keskimääräinen tyyppi on eksponentiaalinen liukuva keskiarvo tai EMA This käytetään usein silloin, kun latenssi on kriittinen, kuten reaaliaikaisessa taloudellisessa analyysissä. Tässä keskiarvossa painot vähenevät Jokainen näyte arvostetaan noin prosentti pienemmäksi kuin seuraava viimeisin näyte Tällä rajoitteella voit laskea liikkuvan keskiarvon erittäin tehokkaasti. Jos alfa on vakio, joka kuvaa kuinka ikkunapainot vähenevät ajan kuluessa Esimerkiksi jos jokainen näyte painotetaan 80 edellisen näytteen arvosta, aseta alfa 0 2 Pienempi alfa pidempi kuin liikkuva keskiarvo on esim. Se muuttuu tasaisemmaksi, mutta vähemmän reaktiivinen uusiin näytteisiin. Painot EMA: lle alfa 0: llä. Katso jokaisesta uudesta näytteestä, että sinun tarvitsee vain keskiarvoa edellisen keskimääräisen arvon kanssa. Joten laskenta on erittäin nopeaa. Teoriassa kaikki aiemmat näytteet edistävät nykyistä keskiarvoa, mutta niiden osuus kohoaa eksponentiaalisesti ajan myötä. Tämä on hyvin Tehokas tekniikka ja luultavasti paras, jos haluat saada liikkuvan keskiarvon, joka reagoi nopeasti uusiin näytteisiin, sillä on hyvät tasoitusominaisuudet ja se on nopea laskea. Koodi on triviaali. EMA väärin T Nimi-sarja. EMA-standardi on hieno, kun signaali näytetään säännöllisin välein. Mutta entä jos näytteesi tulevat epäsäännöllisin väliajoin. Kuvittele jatkuvan signaalin, joka näytetään epäsäännöllisin väliajoin. Tämä on tavanomaista tilannetta taloudellisessa analyysissä. Jatkuva funktio minkä tahansa rahoitusvälineen arvolle, mutta voit vain näyte tämän signaalin aina, kun joku todella suorittaa kaupan. Joten tietovirta koostuu arvosta ja sen ajoittumisesta. Yksi tapa käsitellä tätä on muuntaa Epäsäännöllinen signaali säännölliseen signaaliin, interpoloimalla havaintojen ja resamplingin välillä. Mutta tämä menettää datan ja tuo uudelleen latenssin. EMA voidaan laskea epäsäännölliselle aikasarjalle suoraan. Tässä toiminnossa siirrytte nykyiseen Näyte signaalista ja edellinen näyte sekä aika, joka kului näiden kahden ja edellisen arvon välillä, jonka tämä toiminto palauttaa. Onko kuinka hyvin tämä työ osoittaa I ve - geenin mitoitti siniaallon, sitten näyteli sen epäsäännöllisin väliajoin ja esitteli noin 20 ääntä. Tämä signaali vaihtelee satunnaisesti - 20 alkuperäisestä todesta sinisignaalista. Kuinka hyvin epäsäännöllinen eksponentiaalinen liukuva keskiarvo palauttaa signaalin. Punainen viiva on alkuperäinen siniaalto näyteään epäsäännöllisin välein Sininen viiva on signaali, jossa kohina on lisätty Sininen viiva on ainoa signaali, jota EMA näkee Vihreä linja on tasoitettu EMA Näet sen palauttavan signaalin melko hyvin Pieni heikko, mutta mitä voi Olette odottaneet tällaisesta meluisasta lähdesignaalista. On siirretty noin 15 oikealle, koska EMA tuo jonkin verran latenssia Mitä pehmeämpi haluat, sitä enemmän latenssi näet Mutta tästä voit esimerkiksi laskea hetkellisen kaltevuuden meluisa epäsäännöllinen signaali. Mitä voit tehdä, että Hmm.
No comments:
Post a Comment