Monday 10 July 2017

Qt เฉลี่ยเคลื่อนที่


ฉันรู้นี้สามารถทำได้ด้วยการเพิ่มตาม per. But ฉันต้องการหลีกเลี่ยงการใช้เพิ่มฉันมี googled และไม่พบตัวอย่างใด ๆ ที่เหมาะสมหรืออ่านได้โดยปกติฉันต้องการติดตามค่าเฉลี่ยเคลื่อนที่ของกระแสอย่างต่อเนื่องของกระแสของตัวเลขจุดลอย ใช้ตัวเลขล่าสุด 1000 เป็นตัวอย่างข้อมูลวิธีที่ง่ายที่สุดในการบรรลุนี้ฉันทดลองกับการใช้อาร์เรย์แบบวงกลมค่าเฉลี่ยเคลื่อนที่แบบเสวนาและค่าเฉลี่ยเคลื่อนที่ที่ง่ายขึ้นและพบว่าผลลัพธ์จากอาร์เรย์แบบวงกลมเหมาะกับความต้องการของฉันดีที่สุด 12 มิถุนายน 12 ที่ 4 38. ถ้าความต้องการของคุณง่ายคุณอาจลองใช้ค่าเฉลี่ยเคลื่อนที่แทนคุณก็จะสร้างตัวแปรสะสมและเมื่อโค้ดของคุณดูที่ตัวอย่างแต่ละโค้ดจะอัพเดต accumulator ด้วย ค่าใหม่คุณสามารถเลือกค่า alpha คงที่ระหว่าง 0 ถึง 1 และคำนวณค่านี้ได้คุณต้องหาค่า alpha ที่ผลของตัวอย่างที่กำหนดจะใช้เวลาประมาณ 1000 ตัวอย่างเท่านั้นฉันไม่แน่ใจว่านี่เป็น เหมาะสำหรับคุณตอนนี้ t หมวกฉันได้วางไว้ที่นี่ปัญหาคือ 1000 เป็นหน้าต่างยาวสวยสำหรับการเคลื่อนที่เฉลี่ยฉันไม่แน่ใจว่ามีอัลฟาที่จะกระจายเฉลี่ยมากกว่า 1000 หมายเลขโดยไม่ underflow ในการคำนวณจุดลอย แต่ถ้าคุณ ต้องการค่าเฉลี่ยที่เล็กกว่าเช่น 30 ตัวเลขหรือมากกว่านี้เป็นวิธีที่ง่ายและรวดเร็วในการทำมันตอบ 12 12 12 ที่ 4 44 1 โพสต์ของคุณค่าเฉลี่ยเคลื่อนที่ชี้แจงสามารถให้ alpha เป็นตัวแปรดังนั้นนี้จะช่วยให้ ใช้เวลาในการคำนวณค่าเฉลี่ยของฐานเวลาเช่นไบต์ต่อวินาทีถ้าเวลานับตั้งแต่การอัปเดตสะสมครั้งล่าสุดเกิน 1 วินาทีคุณจะอนุญาตให้ alpha เป็น 1 0 มิฉะนั้นคุณสามารถปล่อยให้ alpha เป็น usecs นับตั้งแต่การอัปเดตครั้งล่าสุด 1000000 jxh มิ.ย. 12 12 ที่ 6 21 โดยปกติแล้วฉันต้องการติดตามค่าเฉลี่ยเคลื่อนที่ของสตรีมตัวเลขจุดลอยที่ต่อเนื่องโดยใช้ตัวเลข 1000 ครั้งล่าสุดเป็นตัวอย่างข้อมูลโปรดทราบว่าด้านล่างปรับปรุงชุดค่าผสมทั้งหมดเป็นองค์ประกอบแทนที่ถูกแทนที่โดยหลีกเลี่ยงการข้ามค่าใช้จ่ายในการคำนวณ ผลรวม - จำเป็นสำหรับ th e - ค่าเฉลี่ย - เมื่อต้องการ - ทั้งหมดจะทำพารามิเตอร์ที่แตกต่างจาก T เพื่อสนับสนุนเช่นใช้ยาวนานเมื่อรวม 1000 long s, int สำหรับ char s หรือ double เพื่อ float ทั้งหมด s นี้เป็นบิตสมบูรณ์ใน numsamples ที่สามารถ ไปที่ผ่านมา INTMAX - ถ้าคุณสนใจคุณสามารถใช้ unsigned ยาวยาวหรือใช้สมาชิก bool ข้อมูลพิเศษเพื่อบันทึกเมื่อภาชนะบรรจุเป็นครั้งแรกในขณะที่การขี่จักรยาน numsamples รอบแถวที่ดีที่สุดแล้วเปลี่ยนชื่อสิ่งที่ไม่เป็นอันตรายเช่น pos. answered 12 มิถุนายน 12 ที่ 5 19 . สมมติว่าผู้ประกอบการโมฆะ T ตัวอย่างเป็นจริงโมฆะดำเนินการตัวอย่าง T oPless 8 มิถุนายน 14 ที่ 11 52. oPhtts ahhh เห็นดีจริงฉันหมายความว่ามันจะเป็นโมฆะดำเนินการ T ตัวอย่าง แต่แน่นอนคุณสามารถใช้สิ่งที่คุณต้องการจะแก้ไข, ขอบคุณโทนี่ D มิถุนายน 8 14 ที่ 14 27.Im พยายามที่จะกลับ QVector จากการทำงานที่ควรจะคำนวณค่าเฉลี่ยเคลื่อนที่คำถามของฉันคือการทำให้การทำงานมีประสิทธิภาพมากขึ้นคณิตศาสตร์จะปรับ Im เพิ่มเติมสงสัยว่าถ้าฉันทำอะไรผิด ในการส่งคืน QVector นี่คือ t เขารหัสฉันมีเพื่อให้ห่างไกลฉันใช้นวกรรมิกเริ่มต้นเพื่อให้ QVector จากการตั้งค่าเริ่มต้นฉันพยายามในสิ่งเดียวกันกับปรับขนาดที่ช้ามากคุณมีคำแนะนำใด ๆ วิธีการนี้สามารถ optimized. Since คุณอ้างว่าการกลับมาใช้เวลา ยาวที่สุดปัญหาอาจไม่อยู่ในตัวเอง แต่ที่เว็บไซต์ที่มีการใช้ค่าที่ส่งกลับเป็นไปได้ที่นี่ที่รหัสของคุณเสียเวลาในการจัดสรร QVector ในแต่ละครั้งที่ค่าเฉลี่ยถูกเรียกสมมุติว่ามันเรียกว่าซ้ำ ๆ , ดังนั้นจึงมีไม่จำเป็นต้องมีการจัดสรรเวกเตอร์ใหม่ในแต่ละครั้งที่ดำเนินการ QVector มีค่าใช้จ่ายน้อยกว่าการเข้าถึงอาร์เรย์ธรรมดาเนื่องจากมีที่น่ารำคาญนี้สาย isDetached ทำในทุกสายเพื่อ operator. In QVector ผนวกไม่เพียง แต่จะโทร isDetached แต่ยังตรวจสอบและปรับเปลี่ยนความยาวเป็น well. Note ที่มีอะไรผิดพลาดอย่างกับการกลับมาของค่าของคุณ It sa ดำเนินการเล็กน้อยและใช้เวลาถัดไปไม่มีเวลาคุณทำมัน OK เมื่อมาถึงกลับ - และกลับเท่านั้น แต่คุณ ดอน ts วิธีที่เราวิธีการที่คุณใช้ค่าที่ส่งคืนดังนั้นฉันจึงไม่สามารถบอกคุณได้ว่าคุณอาจจะทำอะไรผิดพลาดอยู่บ้างเพื่อป้องกันการจัดสรรซ้ำและค่าใช้จ่ายในการดำเนินการคุณสามารถใช้คลาสที่ช่วยให้เวกเตอร์พร้อมสำหรับการนำมาใช้ใหม่และใช้ตัวชี้ - to-vector s-data แทนการใช้เวกเตอร์โดยตรงเพื่อให้สามารถดำเนินการได้เร็วขึ้นอาจต้องใช้การสังเคราะห์ SIMD การวิเคราะห์กระบวนการเบส์ของกระบวนการเฉลี่ยโดยใช้พารามิเตอร์ time-varying วิธีการใหม่ของ Bayesian ถูกนำเสนอสำหรับการประมาณค่าและ การคาดการณ์ด้วยกระบวนการ MA โดยเฉลี่ยแบบ Gaussian กับตัวแปรที่เปลี่ยนแปลงไปตามเวลาการโฟกัสจะถูกวางไว้บน MA models ของ order หนึ่ง แต่จะมีผลทั่วไปสำหรับกระบวนการ MA ของคำสั่งที่รู้จักกันโดยพลการแบบ multiplicative สำหรับวิวัฒนาการของสี่เหลี่ยมของพารามิเตอร์ ถูกนำมาใช้ต่อไปนี้ผันผกผัน Bayesian ผ่านการกระจายของรังสีแกมมาและเบต้าและตัดทอนและปัจจัยการลดอีก 2 ค่าใหม่จะถูกนำเสนอเพื่อให้ค่าการแจกแจงก่อนหน้าและหลังของพารามิเตอร์ของแบบจำลอง และการกระจายการคาดการณ์ในขั้นตอนเดียวกระบวนการนี้มีการเผยแพร่ผลการแจกจ่ายที่รู้จักกันแพร่หลายมากขึ้นโดยการแทนที่การกระจายแกมมาด้วยการแจกแจงแกมมาที่ตัดทอนวิธีการที่นำเสนอแสดงด้วยตัวอย่างสองแบบประกอบด้วยข้อมูลจำลองและราคาจุดอลูมิเนียมของการแลกเปลี่ยนโลหะในลอนดอน โมเดล Bayesian โมเดล TimeStream. Time series. Moving average. Time - พารามิเตอร์ที่แตกต่างกันกระบวนการ stationary คงที่โลหะแลกเปลี่ยนลอนดอนผู้เขียนที่สอดคล้องกัน Tel 44 114 2223741 โทรสาร 44 114 2223759.Copyright 2007 Elsevier BV สงวนลิขสิทธิ์เว็บไซต์นี้มีการใช้งาน สำหรับข้อมูลเพิ่มเติมโปรดไปที่หน้าคุกกี้ลิขสิทธิ์ 2017 Elsevier BV หรือผู้อนุญาตหรือผู้ร่วมให้ข้อมูล ScienceDirect เป็นเครื่องหมายการค้าจดทะเบียนของ Elsevier B V.

No comments:

Post a Comment