chevron_left

メインカテゴリーを選択しなおす

cancel
KEI
フォロー
住所
未設定
出身
未設定
ブログ村参加

2020/02/11

1件〜100件

  • MATLAB,Python,Scilab,Julia比較 その55【状態空間モデル⑬】

    バックナンバーはこちら。はじめに前回から、運動方程式を元に、ブロック図を作成上記ブロック図の離散化上記を元に漸化式導出漸化式まで出てるとCコード化が可能になる。このCコードを今回確認する。登場人物博識フクロウのフクさんイラストACにて公開の

  • MATLAB,Python,Scilab,Julia比較【バックナンバー】

    はじめにMATLAB,Python,Scilab,Julia比較するシリーズ。といっても基本はベクトル行列ベースの演算に留め、各環境独自の機能はあまり使わない方針。あくまでベクトル&行列でどこまでできて、ベクトル&行列に留めているが故に各ツ

  • MATLAB,Python,Scilab,Julia比較 その54【状態空間モデル⑫】

    バックナンバーはこちら。はじめに前回から、状態空間モデルの掘り下げの話に突入。まずは状態空間モデルを使用しないパターンをやってみる。漸化式は前回出したので、ブロック図、C言語化にチャレンジ。登場人物博識フクロウのフクさんイラストACにて公開

  • MATLAB,Python,Scilab,Julia比較 その53【状態空間モデル⑪】

    バックナンバーはこちら。はじめに前回はまでで、各ツール、各言語による状態空間モデルのシミュレーションを実施した。シミュレーションできたので、これはこれでOKなのだが、元々、本シリーズはベクトル、行列を駆使してなんとかする動機で始まっている。

  • 【入門】Julia状態空間モデル(運動方程式)【数値計算】

    Juliaで状態空間モデルをシミュレーション。 Pythonと同じくMATLAB Control System Toolboxの仕様を踏襲したControlSystemsパッケージを使用。 結局はMATLAB Control System Toolboxの仕様がデファクトスタンダード感がある。

  • 【入門】Scilab状態空間モデル(運動方程式)【数値計算】

    Scilabで状態空間モデルのシミュレーションをするにはsyslinとcsim関数を使用する。 MATLABに寄せてるかと思いきや、この分野はかなり異なる仕様になっている。 今回の状態空間モデルに限定するとたまたま流れが似ていただけ。

  • 【入門】Python状態空間モデル(運動方程式)【数値計算】

    Pythonで状態空間モデルを扱うには、controlライブラリのmatlabモジュールが必要。 仕様的にはMATLABのControl System Toolboxを踏襲している。 ss関数に各行列を渡し、システムオブジェクトを取得。 lsimに入力のstep信号をシステムオブジェクトを渡してシミュレーション。

  • MATLAB,Python,Scilab,Julia比較 その52【状態空間モデル⑩】

    Juliaで状態空間モデルをシミュレーション。 Pythonと同じくMATLAB Control System Toolboxの仕様を踏襲したControlSystemsパッケージを使用。 他のツール、言語と同じ結果が得られた。

  • MATLAB,Python,Scilab,Julia比較 その51【状態空間モデル⑨】

    Scilabで状態空間モデルのシミュレーションをするにはsyslinとcsim関数を使用する。 MATLABに寄せてるかと思いきや、この分野はかなり異なる仕様になっている。 想定通りのシミュレーション結果を得られた。

  • MATLAB,Python,Scilab,Julia比較 その50【状態空間モデル⑧】

    Pythonで状態空間モデルを扱うには、controlライブラリのmatlabモジュールが必要。 仕様的にはMATLABのControl System Toolboxを踏襲している。 ss関数に各行列を渡し、システムオブジェクトを取得。 lsimに入力のstep信号をシステムオブジェクトを渡してシミュレーション。

  • MATLAB,Python,Scilab,Julia比較 その49【状態空間モデル⑦】

    バックナンバーはこちら。はじめに前回は、状態空間モデルをシミュレーションする上で必要な情報を整理。各ツール、各言語で実際に試してみる。※ ただし、MATLABはControl System Toolboxが手元に無いので、Simulinkの

  • 【入門】状態空間モデル超基礎【数値計算】

    状態空間モデルに苦手意識持ってる人向けに超シンプルな微分方程式に対して適用して見た。 ニュートンの運動方程式を採用。 状態量が求まる微分方程式を作成すると、それを状態方程式として表現できる。 参照したい状態量を出力行列で設定できる。

  • MATLAB,Python,Scilab,Julia比較 その48【状態空間モデル⑥】

    状態空間モデルを確認するにはシミュレーションしてみるしかない。 まじめにシミュレーションしようと思うとベクトル、行列に対する微分を解決する必要がある。 (これもやる予定だが後で) 各ツール、各言語で状態空間モデルが扱えそうなので、それらで動かしてみる。 ただし、MATLABに関してはSimulinkの状態空間モデルブロックで実施予定。

  • MATLAB,Python,Scilab,Julia比較 その47【状態空間モデル⑤】

    状態方程式、出力方程式を組み上げた。 状態方程式は前回の運動方程式から導出した微分方程式を元に作成。 出力方程式は参照したい状態量に合わせて出力行列Bを調整するのみ。

  • MATLAB,Python,Scilab,Julia比較 その46【状態空間モデル④】

    まずは状態量を定義。 速度、距離を状態量とした。 運動方程式を紐解く。 距離、速度、加速度の関係性が微分を吸収する。 状態量の内訳である速度、距離の方程式が求まったところ。

  • MATLAB,Python,Scilab,Julia比較 その45【状態空間モデル③】

    状態空間モデルの各要素は分かれど使い方はわからない。 使い方を見てもよくわからない。 よって、超シンプルな微分方程式を対象に状態空間モデルを作ってみる。 ニュートンの運動方程式を対象とする。

  • MATLAB,Python,Scilab,Julia比較 その44【状態空間モデル②】

    状態空間モデルの数式について説明。 方程式。 状態方程式と出力方程式。 変数。 状態量、入力量、出力量 パラメータ。 状態行列、入力行列、出力行列、直達行列。 各呼び名が揺れるのは使用する領域が広く、観点が異なるため?

  • MATLAB,Python,Scilab,Julia比較 その43【状態空間モデル①】

    状態空間モデルの話に突入予定。 その前に微分の記法について疑問点浮上。 微分記法は以下がある。 ライプニッツ記法。 ラグランジュ記法。 オイラー記法。 ニュートン記法。 状態空間モデルではニュートン記法が一般的。 暗黙的に時間微分であることがわかるため。

  • 【入門】Juliaの波形表示方法【数値計算】

    JuliaはPlotsかPyPlotで波形表示。 PyPlotsはmatplotlibのラッパーらしく、使い勝手が他の環境と似ている。 PyPlotsの描画パラメータは個別に指定する必要あり。 基本的にはMATLABに寄せている。

  • MATLAB,Python,Scilab,Julia比較 その42【波形表示方法④】

    JuliaはPlotsかPyPlotで波形表示。 PyPlotsはmatplotlibのラッパーらしく、使い勝手が他の環境と似ている。 PyPlotsの描画パラメータは個別に指定する必要あり。

  • MATLAB,Python,Scilab,Julia比較 その41【波形表示方法③】

    Scilabの波形表示はMATLABと同一。 特殊なグラフ表示は乖離する可能性が高いが、そこまで複雑使い方はしない予定。

  • MATLAB,Python,Scilab,Julia比較 その40【波形表示方法②】

    pythonで波形表示する場合はmatplotlibを使用する。 matplotlibはMATLAB仕様に合わせこんでくれている。 マーカに関しては、MATLABにはない指定子もある。

  • MATLAB,Python,Scilab,Julia比較 その39【波形表示方法①】

    ユーザ関数定義に引き続き、波形表示も人間向け機能。 MATLABによる波形表示を確認。 plotで表示。 hold onで同一グラフに表示させる設定が可能。 subplotでグラフ分割。 ラインスタイル、色、マーカの指定が可能。

  • 【入門】Juliaのユーザ関数作成方法【数値計算】

    雰囲気はPythonに似ている。 関数を定義した段階でJITコンパイルが走る。 対話モード、スクリプトで定義する方法があるが、考え方は一緒。

  • MATLAB,Python,Scilab,Julia比較 その38【ユーザ関数④】

    Juliaの場合の場合のユーザ関数作成方法について実施。 基本的にはPythonに似ている。 2変数以上を戻す場合は、明示的にreturn文を使用する必要がある。 他のファイルで関数を定義している場合はinclude文を使用する。 C言語のincludeに似ている。

  • MATLAB,Python,Scilab,Julia比較 その37【ユーザ関数③】

    Scilabの場合のユーザ関数作成方法について。 MATLABと似ていると思いきや、全く異なる仕組みっぽい。 スクリプトに記載したとしても、明示的にワークスペースに関数を展開する必要がある。 仕組みは異なるが、関数として展開してしまえば使い方は一緒と言える。

  • MATLAB,Python,Scilab,Julia比較 その36【ユーザ関数②】

    Pythonの場合のユーザ関数作成方法。 対話モードで作成する場合とスクリプトファイル上で作成する場合がある。 が、実際は対話モード時のルールが共通で適用されてるだけ。 他のスクリプトファイルで定義した場合はimportを使用。 エイリアスで名称変更可能。

  • MATLAB,Python,Scilab,Julia比較 その35【ユーザ関数①】

    ベクトル、行列から離れて、少しプログラミングより話にシフト。 各ツール、各言語でユーザ関数の作成方法を確認する。 MATLABは関数名と同名のmスクリプトファイル名にする必要あり。

  • 【入門】Juliaの行列演算【数値計算】

    ほぼMATLABと一緒。 以下が異なる。 配列添え字のカッコが丸カッコじゃなくて角カッコな点。 flipdimは使えなくて、代わりにreverseという関数を使用する点。 以前はflipdimは存在していたようだが、現在では無くなってる。

  • MATLAB,Python,Scilab,Julia比較 その34【行列演算⑰】

    Juliaで基本的な行列演算を実施。 大体MATLABと一緒だが、以下の違いがある。 配列添え字のカッコが丸カッコじゃなくて角カッコ。 flipdimは使えなくて、代わりにreverseという関数を使用する。 以前はflipdimは存在していたようだが、現在では無くなってる。

  • MATLAB,Python,Scilab,Julia比較 その33【行列演算⑯】

    Scilabで基本的な行列演算実施。 基本的にはMATLABと同一。 ただし、要素終端がendではなく「$」である点に注意が必要。

  • MATLAB,Python,Scilab,Julia比較 その32【行列演算⑮】

    Python(Numpy)での基本的な行列演算を確認。 内積は「@」 「*」だとアダマール積になるので注意 それ以外にも0オリジンだったり、終端指定が-1だったりとクセが違う。 右除算もできるように見せかけて、実は逆行列とのアダマール積なので目的としたものとは異なる。

  • MATLAB,Python,Scilab,Julia比較 その31【行列演算⑭】

    具体的に各ツール、各言語での行列演算についての話に突入。 四則演算に加えて、アダマール積、べき乗、転置、反転。 まずは手馴れたMATLABから。

  • 【入門】線形代数の基礎【数値計算】

    内積はベクトル表記と成分表記の公式がある。 成分表記の内積は余弦定理から求められる。 行列は方程式の係数部をまとめたもの。 行列演算は入力ベクトル、変換行列、出力ベクトルが基本形。 入力、出力をnセットに拡張すると列ベクトルがnセット分の列が増えの行列になる。

  • MATLAB,Python,Scilab,Julia比較 その30【行列演算⑬】

    前回の行列演算の式を再掲。 前回は入力、出力の列ベクトルを2セットだったが、これをnセットにするとどうなるか。 入力、出力が2x2行列からnx2行列へ。 これの利点は入力から出力の変換が一括で表現できること。 これを知ってるだけでコミュニケーションスキルが上がる?

  • MATLAB,Python,Scilab,Julia比較 その29【行列演算⑫】

    連立方程式を行列演算にしたものを再掲。 上記の構成は[出力ベクトル]=[変換行列][入力ベクトル]となる。 これの入力、出力を列ベクトル2セットにすると2x2の行列になる。 すべて2x2行列になるが、数式上の位置によって、入力、変換、出力と意味が異なる。 このルールをすっ飛ばしてる行列嫌いになるかも?

  • MATLAB,Python,Scilab,Julia比較 その28【行列演算⑪】

    二元一次方程式を書き出す。 上記をベクトルの内積で表現し直す。 さらに上記を行列で表現し直す。 まずはこれが最もシンプルな行列の性質を示している。

  • MATLAB,Python,Scilab,Julia比較 その27【行列演算⑩】

    ベクトル内積の公式を再掲。 ベクトルの内積で方程式を表現できる。 n次方程式、多変数方程式でも考え方は一緒。

  • MATLAB,Python,Scilab,Julia比較 その26【行列演算⑨】

    バックナンバーはこちら。はじめに前回は、余弦定理の証明。任意の三角形を2つの直角三角形にすることで各辺を三角関数して表現可能。これに加えて、三角比の基本公式を加えると、余弦定理が求まる。今回は、この余弦定理を使って、内積をベクトル成分に用い

  • MATLAB,Python,Scilab,Julia比較 その25【行列演算⑧】

    余弦定理を何とか証明。 垂直線を使って2つの直角三角形を作ることで各辺を三角関数を使用した表現が可能。 三角比の基本公式を加えると、余弦定理が求まる。 基本公式は三平方の定理と半径1の円起動の点と原点をを元に作った直角三角形から求まる。

  • MATLAB,Python,Scilab,Julia比較 その24【行列演算⑦】

    内積の定義を確認。 内積は単なる計算方法であり、内積そのものにに意味はない。 ただし、特性のようなものはある。 内積の分かり易い特性としては相関性。 類似度とも言われ、特に内積を利用したものをcos類似度と呼ばれる。 基本的な計算であるが故に畳み込み積分、類似成分抽出、方程式などに利用される。

  • MATLAB,Python,Scilab,Julia比較 その23【行列演算⑥】

    やっぱり線形代数の基礎はやっておく。 割とすぐに詰む可能性があるから。 説明手順をとりあえず決めた。 行列の内積の公式の再確認。 方程式と内積。 連立方程式と行列。 行列によるベクトル変換。 行列によるベクトル群変換。 行列の内積の公式の再確認。 一旦忘れてOK。

  • 【入門】行列演算【数値計算】

    MATLAB、Python、Scilab、Juia比較ページはこちらはじめにMATLAB,Python,Scilab,Julia比較に於ける、以下を元に書き直したもの。MATLAB,Python,Scilab,Julia比較 その18【行列

  • MATLAB,Python,Scilab,Julia比較 その22【行列演算⑤】

    行列の転置について説明。 転置自体は、行列の行と列を入れ替えるだけの話。 具体的な利用シーンというのは特になく、計算都合で使うことがほとんど。 良く使う処理なので、名前が付いていた方が利便性が良いという考え方が妥当そう。

  • MATLAB,Python,Scilab,Julia比較 その21【行列演算④】

    行列の除算について。 行列は原則的に除算は存在しないが、「逆行列を掛ける」がそれに該当する。 さらに行列の積は結合法則はあれど、交換法則はない。 上記に伴い、左除算、右除算と言う概念が出てくる。 逆行列の位置が変わる。 数式上ではあまり出て来ないが、各ツール、言語がサポートしていることが多い。

  • MATLAB,Python,Scilab,Julia比較 その20【行列演算③】

    今回はアダマール積について。 演算子がいろいろあり、アダマール積かどうかは文脈で読み解くしかない。 しかし、特殊な状況でしか登場しないので、そういうものがあるという程度で留めておいてもよいかも。 画像処理の畳み込みで出てくることは多い。

  • MATLAB,Python,Scilab,Julia比較 その19【行列演算②】

    行列の乗算(内積)について説明。 上記はなぜそのような演算になるか不明(太郎くん談)。 これを理解するには線形代数の基礎部分を理解する必要がある。 線形代数すべてを説明するとなると大変だが、基礎部分を可能な限り簡単に説明予定。

  • MATLAB,Python,Scilab,Julia比較 その18【行列演算①】

    代表的な行列演算を列挙。 基本的な四則演算に加えて、アダマール積、べき乗、転置。 まずは加算、減算。 各要素単位で加算、減算すればOK。 当然、「次元を一致させる」必要がある。

  • 【入門】Juliaの基本的な使い方【数値計算】

    MATLAB、Python、Scilab、Juia比較ページはこちらはじめにMATLAB,Python,Scilab,Julia比較に於ける、以下を元に書き直したもの。MATLAB,Python,Scilab,Julia比較 その13【基本

  • MATLAB,Python,Scilab,Julia比較 その17【基本的な使い方⑦】

    Juliaでスライシングを実施。 基本的にはMATLABと似た感じ。 ただし、配列添え字用のカッコが違う。 あと、スライシングの結果、ベクトルとなった場合は列ベクトルになる。 行列としてスライシングした場合は、元の行と列の関係は維持される。

  • MATLAB,Python,Scilab,Julia比較 その16【基本的な使い方⑥】

    Python(Numpy)でスライシングを実施。 0オリジンのためMATLABと設定する数値が異なる。 加えて、区間演算子の終端は範囲に指定範囲には含まれない点に注意。 Scilabでスライシング。 MATLABと同一。

  • MATLAB,Python,Scilab,Julia比較 その15【基本的な使い方⑤】

    基本的な使い方の続きとしてスライシングについて。 特定の要素、特定範囲を抽出可能。 区間演算子start:step:endを元に範囲抽出するが、step=1なことがほとんどなので、stepを省略したstart:endの書き方になることが多い。

  • MATLAB,Python,Scilab,Julia比較 その14【基本的な使い方④】

    Juliaの基本的な使い方。 Juliaは列ベクトルがデフォルト。 MATLAB、Scilabは行ベクトルがデフォルトであるため、扱いに気を付ける必要がある。 列ベクトルがデフォルトになっている理由としては、数式との一致性を考慮した結果と推測される。

  • MATLAB,Python,Scilab,Julia比較 その13【基本的な使い方③】

    Juliaの基本的な使い方・・・の前にいろいろクセが違うのでそれの調査。 start:step:endの形式(区間演算子)で等差数列を表現できるが、この状態ではメモリ上に実態を持っていない。 よって、読み出しはできるが、書き込みはできない。 区間演算子に実態を持たせるにはVectorに渡すことで解決。

  • MATLAB,Python,Scilab,Julia比較 その12【基本的な使い方②】

    Python(Numpy)とScilabの基本的な使い方。 Python(Numpy)は以前から使っている物なので手馴れたもん。 ScilabはMATLABと同一の記載方法でいける。 ただし、コメントアウトが「%」じゃなくて「//」 ここも一緒だと楽だったが・・・。

  • MATLAB,Python,Scilab,Julia比較 その11【基本的な使い方①】

    各ツール、言語の基本的な使い方として以下をやってみる。 単純なスカラー計算。 ベクトルの定義。 等差数列の作成。 行列の定義。 まずは手馴れたMATLABで実施。

  • 【入門】行列の存在意義【数値計算】

    簡単に行列の存在意義を説明。 当然、連立方程式以外にも利用シーンは多数あるが、まずはシンプルなもので。 逆行列は掃き出し法で求められる。 ただし、ツール、言語側で逆行列を求めれる機能が入っていることが多いので自身で計算することは少ない。 連立方程式は複数の関数の交点を求めている。

  • MATLAB,Python,Scilab,Julia比較 その10【行列⑤】

    連立方程式を解くということは複数の関数の交点を求めるということ。 行列はそれを一撃で解ける。 ためしにMATLABで算出したら一撃。 移動体の予測線を関数と見なすと、交点を求める重要性がわかりやすいかも?

  • MATLAB,Python,Scilab,Julia比較 その9【行列④】

    逆行列は掃き出し法にて求めることができる。 実際に掃き出し法を実施。 前回使用した逆行列が求まった。 MATLAB、Python(Numpy)、Scilab、Juliaでは逆行列を求める機能があるので、直に計算することはない・・・想定。

  • MATLAB,Python,Scilab,Julia比較 その8【行列③】

    行列で連立方程式を解いてみた。 両辺を行列で割る・・・のがだが、行列は除算が無く、逆行列を掛けるで除算を実現する。 逆行列は掃き出し法と呼ばれる方法で求めるが、ここでは公式を使用。 結果として、答えが求まった。 特徴としてはルールが明確なためプログラム化し易いという点。

  • MATLAB,Python,Scilab,Julia比較 その7【行列②】

    とりあえず連立方程式を普通に解いてみた。 しかし、そのプロセスをプログラム化するのは超難解。 つまり、行列を使うとこの超難解な状態から脱することができる。 今回は、連立方程式を行列で表現するとどうなるか。ってところまで。

  • MATLAB,Python,Scilab,Julia比較 その6【行列①】

    そもそも行列の存在意義に疑問が・・・。 分かり易い存在意義としては連立方程式がわかりやすい。 行列を使うとルールベースで解くことが可能。 ここらへんについては次回説明予定。

  • MATLAB,Python,Scilab,Julia比較 その5【概要編⑤】

    ぶっちゃけJuliaについては良く知らない。 Wikipadiaに活躍してもらって引用しまくり。 最大の特徴はJITコンパイル。 これにより、複数回の実行に関しては類似言語/ツールからみたら最速になり得る。 というわけでJuliaに関しては逐次調べながらの試しながらで進める。

  • MATLAB,Python,Scilab,Julia比較 その4【概要編④】

    ScilabはMTALAB/Simulinkと比較されることが多い。 理由は、xcosというグラフィカルツールにてブロック線図を書けるツールの存在。 互換性は全く無いが、Simulinkっぽいツール。 MATLAB/Simulinkを自宅で使えない場合に使ってる人は多かったのでは?

  • MATLAB,Python,Scilab,Julia比較 その3【概要編③】

    Pythonの概要。 PythonというかNumpyがベクトル、行列に強い。 for文で回すよりベクトル、行列として演算させた方が圧倒的に速くなることは多い。 Python自体は無料と思って良いが、パッケージ別にライセンスが規定されてるので要注意。

  • G検定超入門 とりあえず公式例題を解いてみる#3

    ディープラーニング初期のCNN系列の有名どころは今でも論文に登場することは多い。 CNN、RNN、AutoEncoderあたりは基本的なモデルなので特性を覚えておいた方が良い。 強化学習周りは用語が多いので少し異なる対策が必要かも。

  • G検定超入門 とりあえず公式例題を解いてみる#2

    教師あり学習の分類と回帰、教師なし学習のクラスタリングのカテゴリ分けとおれぞれの性質は把握しておいた方が良い。 ディープラーニングの発展の歴史に半導体技術発展、フレームワークの存在がある。 機械学習の学習時の手順や課題を把握する必要がある。

  • G検定超入門 とりあえず公式例題を解いてみる#1

    G検定対策のまとめ記事はこちら。はじめに知人からの、「JDLAで公開されてるG検定の例題って結局答え何になんの?」という問いが発端で試しに解いてみた。という感じ。あまり気にしてい無かった、地味に良問多くね?結構悩まされたし、割と良いポイント

  • MATLAB,Python,Scilab,Julia比較 その2【概要編②】

    まずはMATLABの概要説明。 自動車業界だとおなじみのツール。 価格はお高め。 homeライセンスというのもあり、こちらはかなりお安い。 ただし、coder系は含まれていない。

  • MATLAB,Python,Scilab,Julia比較 その1【概要編①】

    ベクトル、行列良く分からん。 単なる表現ルールではあるが、そのルールがわからん。 学生時代は大量の手計算をさせられた記憶がフラッシュバック。 今の時代はツール使えば計算は一撃。 MATLAB,Python,Scilab,Julia並行でいろいろやるプランを考える。

  • MATLAB、Pythonで株価予測【バックナンバー】

    MATLAB、Pythonを使って株価予測を使用と考えるシリーズ。 と言っても基本的にはフーリエ変換が中心のネタとなる。 FFT/IFFTで分析し、さらに詳細に分析するために元々のフーリエ変換、逆フーリエ変換の数式ベースで解析も。

  • 【振り返り】MATLAB、Pythonで株価予測 その88【まとめ】

    本シリーズの振り返り実施。 FFTの理屈からスタートし、VTI、個別株を分析。 最後はガチのフーリエ変換をプログラム化。 感想とか。 どうしても予測にはならないが目安にはなりそう。 疑似的な売買経験にはなったかも。

  • 【収支】MATLAB、Pythonで株価予測 その87【再シミュレーション②】

    収支シミュレーションを実施。 結果としては、一応微増。 想定通りな結果ではある。 微増したものもきっとたまたま。 タイミングのズレが上振れになるか下振れになるかは神のみぞ知る。

  • 【収支】MATLAB、Pythonで株価予測 その86【再シミュレーション①】

    再度、収支シミュレーションを開始。 条件は前回と同じ。 売買手数料は0円想定。 税金は利益の20%。 売買単位は100株。 買付余力は75万円。 特性が大きく変わったわけではないので、結果も多いな変化はない可能性が高い。

  • 【連続系】MATLAB、Pythonで株価予測 その85【フーリエ変換㉒】

    個別株チャート 8.4[Hz]から11.8[Hz]を抽出した上での極値特定 Python(Numpy)版 動作確認。 波形、極大値、極小値すべてOK。 念のためMATLABの出力とも比較し、一致していることを確認。

  • 【振り返り】ブログ開設二年半記念記事【技術ブログのPV数と収益】

    はじめに2022年7月17日。本日、ブログ開設してから二年半。恒例の半年間の振り返りをします、過去の振り返り記事たちはこちら。半年記念一周年記念一年半記念ニ周年記念テンプレ化したの目次。これに合わせて振り返りをしま...

  • 【連続系】MATLAB、Pythonで株価予測 その84【フーリエ変換㉑】

    個別株チャート 8.4[Hz]から11.8[Hz]を抽出した上での極値特定 Python(Numpy)版を作成。 過去コードを元にコピペ&結合。 実験コードであっても、先にロードマップを決めておくと、コード構成が決め易い。 これにより、トータルでは楽ができるコード構成にすることも可能。

  • 【連続系】MATLAB、Pythonで株価予測 その83【フーリエ変換⑳】

    個別株チャート 8.4[Hz]から11.8[Hz]を抽出した上での極値特定 MATLAB版 動作確認実施。 波形出力OK。 極大値、極小値特定波形の確認OK。 極大値、極小値のコマンドウィンドウ出力OK。 あとはこれのPython側をやる。(メンドクサイ)

  • 【連続系】MATLAB、Pythonで株価予測 その82【フーリエ変換⑲】

    個別株チャート 8.4[Hz]から11.8[Hz]を抽出した上での極値特定 MATLAB版を作成。 基本、FFT,IFFTで極値特定のロジックをコピペ。 ただし、コード内のどこで何をやってるか分かって無いとコピペもできない。 コードの難易度はコード量よりデータ規模の方に相関性がある。

  • 【連続系】MATLAB、Pythonで株価予測 その81【フーリエ変換⑱】

    Python(Numpy)版フーリエ変換、逆フーリエ変換を個別株チャートに対して実施。 ほぼほぼ消化試合で問題無く動作。 消化試合的に扱えたのは、細かく刻んで動確してきたおかげとも言える。 このショボい規模プログラムでも事故るときは事故る。

  • 【連続系】MATLAB、Pythonで株価予測 その81【フーリエ変換⑱】

    Python(Numpy)版フーリエ変換、逆フーリエ変換を個別株チャートに対して実施。 ほぼほぼ消化試合で問題無く動作。 消化試合的に扱えたのは、細かく刻んで動確してきたおかげとも言える。 このショボい規模プログラムでも事故るときは事故る。

  • 【連続系】MATLAB、Pythonで株価予測 その80【フーリエ変換⑰】

    Python(Numpy)版の個別株チャートに対しするフーリエ変換、逆フーリエ変換のコードにするための修正。 csv読み取り部分を追加。 列ベクトルで取得されるのでベクトルに変換。 MATLABとPythonのベクトル周りがいろいろクセが違うのでだんだん嫌になってきた。

  • 【連続系】MATLAB、Pythonで株価予測 その79【フーリエ変換⑯】

    MATLAB版フーリエ変換、逆フーリエ変換を個別株チャートに対して実施。 DFT、FFTと同等の分解能で実施。 逆フーリエ変換で元波形に戻った。 最大周波数を落として分解能を上げてみた。 逆フーリエ変換で元波形には戻らない。 高周波分を捨てているため発生。 元に戻ることは先の処理で証明しているので問題無し。

  • 【連続系】MATLAB、Pythonで株価予測 その78【フーリエ変換⑮】

    今後の予定について検討。 個別株の波形に対して以下を実施。 フーリエ変換後の逆フーリエ変換をして元波形に戻るか。 抽出したい周波数範囲を特定。 極大値、極小値のタイミングとその時の単価特定。 MATLABの場合、行ベクトルをデフォルトとした方が利便性が高い。

  • 【連続系】MATLAB、Pythonで株価予測 その77【フーリエ変換⑭】

    MATLABとPython(Numpy)のフーリエ変換、逆フーリエ変換for文無し版の動作確認を実施。 共に問題無く動作。 FFTと比べると演算回数の差で速度を犠牲にはしている。 回転因子を書き出して演算構造を見れば高速化は可能かもしれないが、ここではそこまでは頑張らない。

  • 【連続系】MATLAB、Pythonで株価予測 その76【フーリエ変換⑬】

    Python(Numpy)によるフーリエ変換、逆フーリエ変換for文無し版を作成。 基本的な流れはMATLABと一緒。 しかし、行ベクトル生成用の変数を追加している。 最初からベクトルでも良いが、plotで使用する際に添え字が増えてMATLABコードと乖離し易くなるデメリットあり。

  • 【連続系】MATLAB、Pythonで株価予測 その75【フーリエ変換⑫】

    Python(Numpy)で直積は可能か確認。 結果としては可能。 明示的に行ベクトル、列ベクトルにしないと直積は不可。 ベクトル(数列)から行ベクトル、列ベクトルにするにはnp.mat、np.reshapeを使用する。 行と列が異なる場合の積は直積になるっぽい。(よくわからん)

  • 【連続系】MATLAB、Pythonで株価予測 その74【フーリエ変換⑪】

    前回のコード上で数式上の行列にあたる部分が見当たらない。 列ベクトルと行ベクトルによる直積を行って行列を生成している。 直積は九九の表をイメージすると分かり易いかも。 Python(Numpy)で同様のことができるかは不明。 よって、先に直積相当のことができる確認した方が吉。

  • 【連続系】MATLAB、Pythonで株価予測 その73【フーリエ変換⑩】

    バックナンバーはこちら。はじめに前回は、フーリエ変換、逆フーリエ変換(Python版)の動作確認実施。期待通りの結果は得られた。その時に出てきた疑問としてfor文無し(ベクトル演算を行列演算)でMATLAB、Python(Numpy)双方で

  • 【連続系】MATLAB、Pythonで株価予測 その71【フーリエ変換⑧】

    フーリエ変換、逆フーリエ変換のPython(Numpy)版のコードを作成。 基本的にはMATLABと一緒。 というか、MATLABに寄せた。 内積の演算子は「@」。 「*」だとアダマール積になり、結果が全く異なる。

  • 【連続系】MATLAB、Pythonで株価予測 その70【フーリエ変換⑦】

    フーリエ変換、逆フーリエ変換のMATLABコードを動作させてみた。 まずはFFTと同等の整数倍の周波数特性。 最大周波数を調整すると細かい周波数特性が取れる。 FFTよりも処理負荷が大きい演算になる。 今回扱う株価予測のデータ数程度であれば問題にはならない。

  • 【連続系】MATLAB、Pythonで株価予測 その69【フーリエ変換⑥】

    フーリエ変換、逆フーリエ変換のMATLABコードを作成してきた。 変換する波形はシンプルなものにする。 sin(x)+sin(3x)+sin(7x)。 数式上でΣ、内積で表現できればプログラム化は容易。 Σはfor文になるが、MATLABの場合、条件がそろっていればfor文すらも不要。

  • 【連続系】MATLAB、Pythonで株価予測 その68【フーリエ変換⑤】

    フーリエ変換のプログラム化の前に数式レベルでいろいろ解決。 積分をΣで解決する。(リーマン積分) 関数をベクトルと解釈する。 畳み込み積分は内積で解決。 ベクトルのそれぞれの要素数をNで切りそろえているのでそれほど複雑にはならないはず。

  • 【連続系】MATLAB、Pythonで株価予測 その67【フーリエ変換④】

    前回、打ち出した方針を再掲。 要素数Nが重要。 関数、変数のベクトル要素数がNできり揃う。 これにより、逆変換も苦にならない想定。 文章で表現したものを数式で表現。 ベクトルになる箇所を明確にした。 プログラム化はやってみないとわからん。 なんとか辻褄合わせができるよう頑張る。

  • 【連続系】MATLAB、Pythonで株価予測 その66【フーリエ変換③】

    フーリエ変換、逆フーリエ変換を再確認。 問題点は無限の解釈の仕方。 無限の範囲に於いての「関数同士の内積」。 「関数同士の内積」も無限要素のベクトルと解釈する必要がある。 有限数を便宜上、無限に近いものとすれば、ある程度成立する可能性はある。

  • 【連続系】MATLAB、Pythonで株価予測 その65【フーリエ変換②】

    細かい周波数特性の取り方としてフーリエ変換を利用することとした。 フーリエ変換とDFT,FFTは別物。 目的が一緒なので、本来は気にしなくても良いが、今回に限っては別物扱いせざるを得ない。 フーリエ変換の連続的、範囲が∞であることがプログラム化に対しての大きな課題。 そもそも出来るのかもわからん。

  • 【連続系】MATLAB、Pythonで株価予測 その64【フーリエ変換①】

    さらに適切な周波数を特定できないか検討。 10[Hz]じゃなくて9.7[Hz]が実はより適切だったかも。とか。 入力サンプリング期間を延ばせば、見た目の周波数より細かい周波数特性は出せる。 問題は期間の伸ばし方。 0埋めで伸ばす場合、0埋めがあまり多すぎると元データと乖離する。 サンプリング間の補間もまぁまぁメンドイ。

  • 【個別株】MATLAB、Pythonで株価予測 その63【シミュレーション③】

    10[Hz]に於ける売買タイミングと株価を再掲。 個別株に対して収支シミュレーション実施。 20万越えの利益。 途中、5万円の損失が出てるが、これはうまい損切。 これのおかげで次の売買で大きく利益を上げられている。

ブログリーダー」を活用して、KEIさんをフォローしませんか?

ハンドル名
KEIさん
ブログタイトル
シミュレーションの世界に引きこもる部屋
フォロー
シミュレーションの世界に引きこもる部屋

にほんブログ村 カテゴリー一覧

商用