ফ্রিকোয়েন্সি ডোমেন ডেটা ব্যবহার করে ভবিষ্যদ্বাণী কীভাবে করবেন?

Question

লিনিয়ার রিগ্রেশন এবং কালম্যান ফিল্টারিং উভয়ই ডেটা-র একটি ডোমেন সিক্যুয়েন্স (তথ্যের পিছনে মডেল সম্পর্কে কিছু অনুমানের ভিত্তিতে) অনুমান করতে এবং তারপরে ভবিষ্যদ্বাণী করতে ব্যবহার করা যেতে পারে।

কোন পদ্ধতিগুলি, যদি কোনও হয় তবে ফ্রিকোয়েন্সি ডোমেন ডেটা ব্যবহার করে ভবিষ্যদ্বাণী করতে প্রযোজ্য হতে পারে? (যেমন অনুমানের জন্য সময় ডোমেনে ফিরে না গিয়ে পূর্বের ডেটা উপযুক্ত এফএফটি (গুলি) থেকে আউটপুট ব্যবহার করে ভবিষ্যতের পদক্ষেপের পূর্বাভাস দিন))

ডেটা, বা ডেটার পিছনের মডেল সম্পর্কে কোন অনুমান, কী জন্য প্রয়োজন হতে পারে, যদি কোনও হয় তবে ফ্রিকোয়েন্সি ডোমেনে গুণমান বা পূর্বাভাসের সর্বোত্তমতা? (তবে ধরে নিন যে এফএফটি অ্যাপারচার প্রস্থে ডেটা উত্সটি কঠোরভাবে পর্যায়ক্রমিক কিনা তা জানা যায়নি known)

Comments

হটপা, আপনি দয়া করে আপনার দ্বিতীয় অনুচ্ছেদে বিস্তারিত বলতে পারেন। আমি নিশ্চিত নই যে লিনিয়ার রেজিস্ট্রার বা কলম্যান ফিল্টারটি কী কীভাবে ডেটা কী তা ফিল্টার করবে কেন এতক্ষণ অন্তর্নিহিত সম্পর্ক রয়েছে, তবে সম্ভবত আমি আপনার কি বুঝতে পারিনি।

— স্পেসি

কী, বিশেষভাবে আপনি ভবিষ্যদ্বাণী করার চেষ্টা করছেন? সময়-ডোমেন মান নমুনা এগিয়ে? ভবিষ্যদ্বাণীকারীরা (স্বজ্ঞাতভাবে তাই) সাধারণত ভবিষ্যতে কেবলমাত্র একটি সামান্য সময়ের পূর্বাভাস দেয় যা ডিএফটি-র মতো ব্লক-ভিত্তিক প্রক্রিয়াটির সাথে ভালভাবে স্কোয়ার করে না। তবে, ফ্রিকোয়েন্সি ডোমেনে (ফাস্ট-কনভুলেশন ফিল্টারিংয়ের অনুরূপ ) ন্যূনতম-গড়-স্কোয়ারগুলি (এলএমএস) অ্যালগোরিদম ব্লকওয়াইজ সম্পাদন করার জন্য একটি ব্লকওয়াস অ্যালগরিদম রয়েছে । আমার এখানে কোনও নির্দিষ্ট রেফারেন্স নেই, তবে আমি জানি এটি হেইকিনের "অ্যাডাপটিভ ফিল্টার থিয়োরিয়াম" এ আচ্ছাদিত। $L$

— জেসন আর

dsp.stackexchange.com/a/123/29- এর

— এন্ডোলিথ

@ এন্ডোলিথ: অনুরূপ, ব্যতীত আমি একটি খুব গুরুত্বপূর্ণ অংশ 2 অন্তর্ভুক্ত করেছি: কোন অনুমান বা শর্তগুলির অধীনে এটি "যুক্তিসঙ্গত" হতে পারে।

— হটপাউ 2

Answer 1

একটি গুরুত্বপূর্ণ দ্রষ্টব্য: যেহেতু আপনি ফ্রিকোয়েন্সি ডোমেনের বিষয়ে কথা বলছেন, তাই বোঝা যাচ্ছে যে পুরো ডিএফটি স্পেকট্রাম উপলব্ধ রয়েছে এবং তাই ভবিষ্যদ্বাণীকের পরিবর্তে অনুমানটি মসৃণকরণের জন্য ব্যবহৃত হয়।

যদি সংকেত স্থির থাকে তবে আপনি উইনার ফিল্টার প্রয়োগ করতে পারেন এবং উত্পাদিত মডেলটি একটি এফআইআর ফিল্টার; এই ক্ষেত্রে, সময় ডোমেনে সিগন্যাল অনুমানটি ফ্রিকোয়েন্সি ডোমেনের অনুরূপ হবে।

উইকি থেকে : উইনারের মূল সাফল্য সেই কারণটির সমাধান করছিল যেখানে কার্যকারিতা প্রয়োজনীয়তা কার্যকর হয় এবং উইনার বইয়ের একটি পরিশিষ্টে লেভিনসন এফআইআর সমাধানটি দিয়েছিলেন।

ডিকনভলিউশন ব্যবহার করে উইনার ফিল্টার ব্যবহার করে শব্দটি অপসারণ করা হয় তাকে ভিয়েনার ডিকনভোলিউশন বলে । এটি ফ্রিকোয়েন্সি ডোমেনে কাজ করে। এবং ইমেজ ডিকনভোলিউশনে বেশ ব্যবহৃত হয়।

আমি জানি না যে প্রদত্ত ফ্রিকোয়েন্সি ডোমেন ডেটা (ডিএফটি ধরে) এর জন্য কলম্যান ফিল্টার ব্যবহার করার কোনও সূত্র সম্ভব কিনা কারণ সাধারণ বাস্তবায়নগুলি নমুনা দ্বারা আসলে পুনরাবৃত্ত নমুনা হয়। তবে কলম্যান স্মুথিং এপ্রোচগুলি সম্ভবত একই কাজ করতে পারে।

Answer 2

একে অপরের সম্পর্কে নিকট-মেয়াদী ভবিষ্যদ্বাণী করতে ফ্রিকোয়েন্সি এবং সময় ডোমেনগুলি ব্যবহার করা অনিশ্চয়তার নীতির কারণে সমস্যাযুক্ত । এর অর্থ হ'ল আপনি বর্ণালী যত ভাল জানতে চান তত বেশি নমুনা সংগ্রহ করতে হবে। এটি আপনার পূর্বাভাসকে বিলম্ব করে, এর কার্যকারিতা হ্রাস করবে।

প্রথম প্রশ্নটি আমি জিজ্ঞাসা করব "আমার সময় ধারাবাহিকটি শুরু হওয়া কতটা অনুমানযোগ্য?" আমার পূর্বাভাসের অ্যালগরিদমটি কতটা ভাল চলছে তা জানতে এবং কখন থামার সিদ্ধান্ত নেবে। এনট্রপি হার অনুমান করে এই প্রশ্নের উত্তর দেওয়া যেতে পারে ।

আরেকটি বিষয় মনে রাখবেন যে একটি সময় সিরিজ সম্পূর্ণরূপে এর যৌথ বন্টন দ্বারা চিহ্নিত করা হয়; রূপান্তরগুলি এটিকে উন্নত করতে পারে না, তবে আপনি যখন অপরিশোধিত মডেলগুলির সাথে কাজ করছেন তখন (যেমন, উচ্চ-অর্ডার নির্ভরতা অবহেলা করা) সহায়তা করতে পারে।

সময় সিরিজের পূর্বাভাসের জন্য ফুরিয়ার বিশ্লেষণ ব্যবহার করে দেখুন