Прогнозирование функциями дискретного аргумента (пример)
Материал из MachineLearning.
| Строка 8: | Строка 8: | ||
==Постановка задачи== | ==Постановка задачи== | ||
| - | Мелодия есть функция <tex>m: \ T \rightarrow X\times Y</tex>, где <tex>T = 0, 1, 2, ...</tex> | + | Мелодия есть функция <tex>m: \ T \rightarrow X\times Y</tex>, где <tex>T = 0, 1, 2, ...</tex> — позиция ноты, <tex>X = 0, 1, 2, ...</tex> — конечное множество нот, занумерованных в порядке увеличения тона, <tex>Y</tex> — длительность ноты, в секундах. Таким образом, будем работать с пучком из двух временных рядов. |
Предполагается, что мелодия дана законченная, но без нескольких финальных нот(в данной статье одной). Необходимо их предсказать. | Предполагается, что мелодия дана законченная, но без нескольких финальных нот(в данной статье одной). Необходимо их предсказать. | ||
Версия 16:29, 3 сентября 2011
|
Введение
В статье представлена попытка прогнозирования таких специфических временных рядов, как монофонические мелодии. Были осуществлены три различных подхода: экспоненциальное сглаживание, локальное прогнозирование и поиск постоянных закономерностей.
Предлагается опробовать первый метод в традиционной его форме, чтобы ответить на вопрос, пригоден ли он для решения данной задачи. Затем предлагается во втором методе проверить работоспособность коэффициента корреляции Пирсона в качестве меры сходства. Третий будет использоваться в упрощенном варианте.
Постановка задачи
Мелодия есть функция , где
— позиция ноты,
— конечное множество нот, занумерованных в порядке увеличения тона,
— длительность ноты, в секундах. Таким образом, будем работать с пучком из двух временных рядов.
Предполагается, что мелодия дана законченная, но без нескольких финальных нот(в данной статье одной). Необходимо их предсказать.
