पीक और घाटी विधि विदेशी मुद्रा कार्गो

हम एक डेटा अधिग्रहण कार्ड का उपयोग करते हैं, जो किसी उपकरण से रीडिंग लेने के लिए जो उसके सिग्नल को एक चोटी में बढ़ा देता है और फिर मूल मान के पास वापस गिर जाता है। चरम मूल्य को खोजने के लिए हम वर्तमान में उच्चतम पढ़ने के लिए सरणी खोज रहे हैं और सूचकांक का उपयोग चरम मूल्य के समय को निर्धारित करने के लिए करते हैं जिसका उपयोग हमारी गणना में किया जाता है यह अच्छी तरह से काम करता है यदि उच्चतम मूल्य वह चरम है जो हम देख रहे हैं लेकिन अगर डिवाइस सही तरीके से काम नहीं कर रहा है तो हम एक दूसरे शिखर देख सकते हैं जो प्रारंभिक शिखर से अधिक हो सकता है। हम 10 रीडिंग को एक दूसरी सेकंड में 16 डिवाइस से दूसरे स्थान पर लेते हैं। मेरे शुरुआती विचार रीडिंग जांच के माध्यम से चलते हैं, यह देखने के लिए कि क्या पिछले और अगले अंक एक चोटी खोजने के लिए वर्तमान से कम हैं और चोटियों की एक सरणी का निर्माण करते हैं शायद हमें सिस्टम में शोर की अनुमति देने के लिए मौजूदा स्थिति के एक ओर कई बिंदुओं के औसत पर ध्यान देना चाहिए। क्या यह आगे बढ़ने का सबसे अच्छा तरीका है या बेहतर तकनीकें हैं, हम लैबविज का उपयोग करते हैं और मैंने लावा मंचों की जांच की है और कई दिलचस्प उदाहरण हैं यह हमारे परीक्षण सॉफ्टवेयर का हिस्सा है और हम बहुत से गैर-मानक VI पुस्तकालयों का उपयोग करने से बचने की कोशिश कर रहे हैं, इसलिए मैं विशिष्ट कोड के बजाय शामिल प्रोसेसरोग्रॉरिथम पर प्रतिक्रिया की उम्मीद कर रहा था। अगस्त 6 08 10:23 पर आपने संकेत औसत की कोशिश की, यानी प्रत्येक बिंदु के लिए, लगभग 3 या अधिक बिंदुओं के साथ मूल्य का औसत। अगर शोर blips विशाल है, तो यह भी मदद नहीं कर सकता मुझे पता है कि यह भाषा अज्ञेयवादी थी, लेकिन अनुमान लगाया गया है कि आप लैबविय का उपयोग कर रहे हैं, बहुत सारे पूर्व-पैक सिग्नल प्रोसेसिंग VIs हैं जो लैबविय के साथ आते हैं जो कि आप चौरसाई और शोर में कमी करने के लिए उपयोग कर सकते हैं। इस प्रकार की चीज़ों पर अधिक विशिष्ट सहायता प्राप्त करने के लिए एनआई मंच एक शानदार जगह हैं उत्तर 6 अगस्त 08 11:12 में बहुत सारे हैं और क्लासिक शिखर का पता लगाने के कई तरीके हैं, जिनमें से कोई भी काम कर सकता है आपको यह देखना होगा कि, विशेष रूप से, आपके डेटा की गुणवत्ता को कैसे बढ़ाता है। यहां बुनियादी विवरण दिए गए हैं: आपके डेटा में किसी भी दो बिंदुओं (एक्स (0), वाई (0)) और (एक्स (एन), वाई (एन)) के बीच। y (i 1) - y (i) को 0 एलटीआई एलटी एन के लिए जोड़ दें और इस टी (यात्रा) को कॉल करें और उपयुक्त (छोटे) कश्मीर के लिए y (n) - y (0) k के लिए आर (वृद्धि) सेट करें। टीआर जी 1 एक शिखर इंगित करता है यह ठीक काम करता है अगर शोर के कारण बड़ी यात्रा की संभावना नहीं है या यदि शोर एक आधार वक्र आकार के आसपास सममित रूप से वितरित करता है आपके आवेदन के लिए, किसी दिए गए दहलीज के ऊपर के स्कोर के साथ सबसे प्रारंभिक शिखर स्वीकार करें, या अधिक दिलचस्प गुणों के लिए यात्रा प्रति वृद्धि मूल्यों की वक्र का विश्लेषण करें। एक मानक पीक आकार (मूलतः, समानता के कोसाइन-मीट्रिक प्राप्त करने के लिए कुछ आकार के साथ एक सामान्यीकृत डॉट-उत्पाद का उपयोग करें) के समान मिलान करने के लिए मिलान किए गए फ़िल्टर का उपयोग करें। मानक चोटी के आकार के खिलाफ Deconvolve और उच्च मूल्यों की जांच (हालांकि मुझे अक्सर 2 से साधारण इंस्ट्रूमेंटेशन आउटपुट के लिए शोर के प्रति कम संवेदनशील होना)। आंकड़ों को चिकना करें और समान दूरी वाले बिंदुओं के तीनों की जांच करें, जहां एक्स 0 एलटी एक्स 1 एलटी एक्स 2, y1 gt 0.5 (y0 y2)। या (जैसे एक्स 1, वाई 1), (x2, y2)) डी डी ((x0, y0), (x2, y2) । जो त्रिकोण असमानता पर निर्भर करता है सरल अनुपात का उपयोग करने से आपको एक स्कोरिंग तंत्र मिलेगा अपने डेटा में एक बहुत ही सरल 2-गाऊसी मिश्रण मॉडल फ़िट करें (उदाहरण के लिए, संख्यात्मक व्यंजनों का कोड का एक अच्छा तैयार-टुकड़ा है)। पहले शिखर लें यह ओवरलैपिंग चोटियों के साथ सही ढंग से व्यवहार करेगा। डेटा में एक सरल गाऊसी, कोची, पॉसॉन, या वही-वक्र-वक्र के लिए सर्वोत्तम मिलान खोजें इस वक्र का एक विस्तृत रेंज के आधार पर मूल्यांकन करें और इसके चरम स्थान को नोट करने के बाद डेटा की एक प्रति से घटाएं। दोहराएँ। सबसे पहले चोटी जिसका मॉडल मापदंडों (मानक विचलन संभवतः, लेकिन कुछ अनुप्रयोगों में कुर्टिस या अन्य विशेषताओं के बारे में ध्यान हो सकता है) को कुछ मानदंडों को पूरा करें। जब शिखर को डेटा से घटाया जाता है तो पीछे छोड़ी गई कलाकृतियों के लिए देखें श्रेष्ठ मैच 2 के उपरोक्त में सुझाए गए मिलान स्कोरिंग से निर्धारित किया जा सकता है Ive किया है कि आप पहले क्या कर रहे हैं: डीएनए अनुक्रम डेटा में शिखर ढूँढने, मापा घटता से अनुमानित डेरिवेटिव में चोटियों को खोजने, और हिस्टोग्राम में चोटियों को खोजने। मैं आपको उचित बेसिलिंग के लिए सावधानी से भाग लेने के लिए प्रोत्साहित करता हूं। वीनर फ़िल्टरिंग या अन्य फ़िल्टरिंग या साधारण हिस्टोग्राम विश्लेषण अक्सर शोर की उपस्थिति में आधार रेखा के लिए एक आसान तरीका है। अंत में, यदि आपका डेटा आमतौर पर शोर होता है और आप कार्ड को डेटा को बिना संदर्भित एकल-आउटपुट (या यहां तक ​​कि संदर्भित, अंतर नहीं केवल) के रूप में बंद कर रहे हैं, और यदि आप प्रत्येक डेटा बिंदु में बहुत अधिक टिप्पणियां औसत कर रहे हैं, तो उन टिप्पणियों को छांटने और दूर फेंकने का प्रयास करें पहला और अंतिम चतुर्थक और औसतन जो शेष रहता है। इस तरह के बहिष्कार उन्मूलन की रणनीति है जो वास्तव में उपयोगी हो सकती है 4 सितंबर 08 को 18:07 उत्तर दिया, यह अतिप्रवाह को रोकने के लिए है: जब आप टी द्वारा आर विभाजित करते हैं, यदि वक्र फ्लैट या लगभग सपाट या पहले और अंतिम वाई मान समान या लगभग बराबर होते हैं, तो आर शून्य या शून्य के निकट होगा । पर्याप्त रूप से छोटा होना काफी छोटा होगा क्योंकि अनुपात शून्य के करीब नहीं होने पर बहुत अधिक अनुपात में फेंकने से बचने के लिए पर्याप्त होगा। यह ज्यादातर एक व्यावहारिक, अनुभवजन्य पदार्थ है यह सिर्फ एक शून्य-विभाजन को रोकने के लिए है, जिसे आप इसके बजाय किसी अन्य तरीके से करना चुन सकते हैं। ndash Thomas Kammeyer Jun 6 12 at 19:32 इस समस्या का कुछ विस्तार से अध्ययन किया गया है। टीएएस स्पेक्ट्रम कक्षाएं (एक परमाणुविद्युत भौतिकी विश्लेषण उपकरण) में बहुत ही अप-टू-डेट लागूकरण का एक सेट है यह कोड एक-ते-तीन आयामी डेटा में काम करता है। जड़ स्रोत कोड उपलब्ध है, इसलिए यदि आप चाहें तो यह कार्यान्वयन प्राप्त कर सकते हैं। टीएस स्पेक्ट्रम क्लास दस्तावेज से: इस वर्ग में इस्तेमाल किए गए एल्गोरिदम निम्नलिखित संदर्भों में प्रकाशित किए गए हैं: 1 एम। मार्फैक एट अल बहुआयामी संयोग गामा-रे स्पेक्ट्रा के लिए पृष्ठभूमि उन्मूलन के तरीकों न्यूक्लियर इंस्ट्रूमेंट्स एंड मेथड्स इन फिजिक्स रिसर्च ए 401 (1 99 7) 113- 132. 2 एम. मोहाक एट अल कुशल एक और दो-आयामी सोने का डिकोन्यूलेशन और गामा-रे स्पेक्ट्रा अपघटन के लिए इसका आवेदन। न्यूक्लियर इंस्ट्रूमेंट्स एंड मेथड्स इन फिजिक्स रिसर्च ए 401 (1 99 7) 385-408 3 एम। मार्फैक एट अल बहुआयामी संयोग गामा-रे स्पेक्ट्रा में चोटियों की पहचान न्यूक्लियर इंस्ट्रूमेंट्स एंड मेथड्स इन रिसर्च फिजिक्स ए 443 (2000), 108-125 कागजात उन लोगों के लिए क्लास दस्तावेज से लिंक किए गए हैं जिनके पास एनआईएम ऑनलाइन सदस्यता नहीं है। जो किया गया है उसका छोटा संस्करण यह है कि हिस्टोग्राम ने शोर को खत्म करने के लिए चपटा दिया, और फिर चट्टेदार हिस्टोग्राम में क्रूर बल द्वारा स्थानीय मैक्सिमा का पता लगाया गया। मैं इस थ्रेड को एक एल्गोरिदम में योगदान करना चाहूंगा, जिसे मैंने खुद विकसित किया है: यह फैलाव के सिद्धांत पर आधारित है। यदि कोई नया डेटापॉइंट मानक विचलन का एक दिया एक्स नंबर है जो कुछ चलती माध्य से दूर है, तो एल्गोरिथम संकेतों (जिसे ज़-स्कोर भी कहा जाता है)। एल्गोरिथ्म बहुत मजबूत है क्योंकि यह एक अलग चलती मतलब और विचलन बनाता है, जैसे कि संकेत दहलीज को भ्रष्ट नहीं करते हैं। पिछले सिग्नल की मात्रा की परवाह किए बिना भविष्य के संकेतों को लगभग एक ही सटीकता के साथ पहचाना जाता है। एल्गोरिथ्म 3 इनपुट लेता है: चलती विंडो के अंतराल के अंतराल। औसत और मानक विचलन पर नए सिग्नल के प्रभाव (0 और 1 के बीच) पर एल्गोरिदम संकेतों को प्रभावित करने वाले z-score की सीमा और उदाहरण के लिए, डेटा को सुचारू करने के लिए 5 का एक अंत पिछले 5 टिप्पणियों का उपयोग करेगा। 3.5 का एक थ्रेशोल्ड सिग्नल करेगा यदि कोई डीटेपॉइंट 3.5 मानक विचलन मूवमेंट अर्थ से दूर हो। और 0.5 का प्रभाव, सामान्य आंकड़ों के प्रभाव का संकेत आधा देता है। इसी तरह, 0 का प्रभाव, नए थ्रेशोल्ड की पुनर्गणना के लिए पूरी तरह से संकेतों को नजरअंदाज कर देता है: 0 का प्रभाव इसलिए सबसे मजबूत विकल्प है यह निम्नानुसार काम करता है: 3 नवंबर को 21:46 उत्तर दिया है यह विधि मूल रूप से डेविड मारर की किताब विजन गाऊसी से आपकी चोटियों की उम्मीद की चौड़ाई के साथ आपका संकेत धुंधला है। यह शोर स्पाइक्स से छुटकारा दिलाता है और आपका चरण डेटा कमजोर है। फिर किनारे का पता लगाना (LOG करना होगा) तब आपके किनारों सुविधाओं के किनारों (जैसे चोटियों) थे चोटियों के लिए किनारों के बीच, आकार के आधार पर चोटियों के बीच देखो, और आप कर चुके हैं मैंने इस पर विविधताओं का इस्तेमाल किया है और वे बहुत अच्छी तरह से काम करते हैं। 2 सितंबर 08 को 1:00 उत्तर दिया, मुझे लगता है कि आप अपने सिग्नल को एक अपेक्षित, मॉडल सिग्नल से पार करना चाहते हैं। लेकिन, यह इतने लंबे समय से रहा है जब मैंने सिग्नल प्रोसेसिंग का अध्ययन किया और फिर भी मैंने ज्यादा नोटिस नहीं लिया। उत्तर 6 अगस्त 08 11:38 आप कुछ मानक डिविजन को अपने तर्क के लिए आवेदन कर सकते हैं और एक्स पर चोटियों का ध्यान रख सकते हैं। उत्तर दिया अगस्त 6 08 11:17 मैं इंस्ट्रूमेंटेशन के बारे में बहुत कुछ नहीं जानता, इसलिए यह पूरी तरह से अव्यावहारिक हो सकता है, लेकिन फिर यह एक उपयोगी दिशा हो सकती है। यदि आप जानते हैं कि रीडिंग कैसे विफल हो सकती है, और ऐसी विफलताओं के कारण चोटियों के बीच एक निश्चित अंतराल है, तो प्रत्येक अंतराल पर ढाल वाले वंश को क्यों न करें। यदि वंश आपको किसी ऐसे क्षेत्र में वापस लाता है जिसे आपने पहले खोजा है, तो आप उसे छोड़ सकते हैं। नमूनाकृत सतह के आकार के आधार पर, यह आपको खोज की तुलना में चोटियों को तेजी से ढूंढने में भी मदद कर सकता है। उत्तर 6 अगस्त 08 11:38 क्या वांछित शिखर और अवांछित दूसरे शिखर के बीच एक गुणात्मक अंतर है यदि दोनों चोटियों तेज हैं - यानी समय की अवधि में कम - आवृत्ति डोमेन में सिग्नल को देखकर (एफएफटी करके) आपको अधिकतर बैंड में ऊर्जा मिलेगी लेकिन अगर अच्छा शिखर भरोसेमंद रूप से खराब शिखर में विद्यमान आवृत्तियों पर मौजूद ऊर्जा नहीं है, या इसके विपरीत, आप उनको इस तरह से अंतर कर सकते हैं। आपके उत्तर 2017 स्टैक एक्सचेंज का जवाब दिया, डाउन डाउनिंग इंक। रिकॉर्डिंग का यह ड्रापडाउन पद्धति उपयोगी है क्योंकि एक नया उच्चतम होने तक एक घाटी की गणना नहीं की जा सकती। एक बार जब निवेश, निधि या वस्तु एक नई ऊंचाई तक पहुंच जाता है, तो ट्रैकर पुराने ऊँचा से छोटी गर्त तक प्रतिशत परिवर्तन दर्ज करता है। ड्रॉडाउन एक निवेश वित्तीय जोखिम निर्धारित करने में मदद करते हैं। कैल्मर और स्टर्लिंग अनुपात दोनों इस मीट्रिक का इस्तेमाल अपने जोखिम के लिए सुरक्षा की संभावित इनाम की तुलना करने के लिए करते हैं। ड्रॉडाउन स्टॉक शेयर की कीमत के संबंध में मानक विचलन का नकारात्मक आधा है। एक शेयर की कीमतों से लेकर इसकी कम तक की गिरावट को इसके ड्रॉडाउन राशि माना जाता है। स्टॉक ड्रॉडाउन स्टॉक की कुल अस्थिरता इसकी मानक विचलन द्वारा मापा जाता है, फिर भी कई निवेशक, विशेषकर सेवानिवृत्त लोग, जो पेंशन और सेवानिवृत्ति के खातों से धन वापस ले रहे हैं, वे ड्रॉडाउन के बारे में चिंतित हैं। उतार-चढ़ाव के बाजारों और बाजारों में सुधार की संभावना है, रिटायर होने पर ड्रॉडाउन एक गंभीर चिंता का विषय है। बहुत से लोग अपने निवेशों को आकर्षित करने, शेयरों से लेकर म्यूचुअल फंड तक, और संभावित अधिकतम ड्रॉडाउन (एमडीडी) संभावितों पर विचार कर रहे हैं। ड्रॉडाउन रिस्क डोडडॉन्स निवेशकों के लिए एक महत्वपूर्ण जोखिम पेश करते हैं, जब एक ड्रॉडाउन पर काबू पाने के लिए शेयर की कीमत में बढ़ोतरी की जरूरत होती है। उदाहरण के लिए, ऐसा लगता नहीं हो सकता है कि स्टॉक 1 खो देता है, क्योंकि इसकी पहले की स्थिति में सुधार करने के लिए केवल 1.01 की वृद्धि की आवश्यकता है। हालांकि, 20 में से एक गिरावट के लिए 25 रिटर्न की आवश्यकता है, जबकि 2008 से 2009 के दौरान ग्रेट मंदी के दौरान 50 ड्रॉ डाउन में एक ही स्थान की वसूली के लिए 100 बड़ी बढ़ोतरी की आवश्यकता है। ज्यादातर निवेशक अपने नुकसान को काटने और नकद निवेश में स्थिति को बदलने से पहले 20 या इससे अधिक के ड्रॉडाउन से बचना चाहते हैं। सेवानिवृत्त लोग विशेष रूप से इस जोखिम को महसूस करते हैं, अगर वे गिरावट अर्थशास्त्र पर दोहरीकरण कर रहे हैं क्योंकि वे अपने सेवानिवृत्ति के लिए अपने निवेश के मूलधन से अधिक धन वापस लेते हैं। कई मामलों में, रिटायरमेंट में निरंतर निकासी के साथ एक कठोर गिरावट, सेवानिवृत्ति निधि को काफी कम कर सकता है। ड्रॉडाउन आकलन सामान्यतया, ड्रॉडाउन जोखिमों को अच्छी तरह से विविध पोर्टफोलियो होने और वसूली विंडो की लंबाई जानने से कम किया जाता है। अगर कोई व्यक्ति अपने करियर के शुरूआती दौर में है या रिटायरमेंट के 10 साल से अधिक समय तक है, तो वसूली की सीमा 20 साल की है जो वसूली के लिए सबसे अधिक वित्तीय सलाहकारों को आश्रय विभागों के लिए पर्याप्त होना चाहिए। हालांकि, सेवानिवृत्त लोगों को अपने पोर्टफोलियो में गिरावट के जोखिम के बारे में विशेष रूप से सावधान रहना होगा। शेयरों, बॉन्ड और नकद उपकरणों में एक पोर्टफोलियो को विविधीकरण एक गिरावट के खिलाफ कुछ सुरक्षा प्रदान कर सकता है, क्योंकि बाजार की स्थितियों में अलग-अलग तरीकों से निवेश के विभिन्न वर्गों पर असर पड़ता है। शेयर की कीमत या बाजार में गिरावट सेवानिवृत्ति के ढेर के साथ भ्रमित नहीं होना चाहिए, जो कि रिटायर लोगों को अपने पेंशन या सेवानिवृत्ति खातों से धन निकालना चाहिए।