Не блог, просто пишу заметки для себя :) Почему бы не использовать БПФ или преобразование Фурье для извлечения закономерностей или компонентов в данных о ценах на акции вместо прямого использования вейвлет-преобразования? Преобразование Фурье будет работать очень хорошо, когда частотный спектр является стационарным. То есть частоты, присутствующие в сигнале, не зависят от времени; если сигнал содержит частоту x Гц, эта частота должна одинаково присутствовать в любом месте сигнала...

Часто в сценариях с ограниченными данными понимание сцены должно происходить с помощью нескольких наблюдений за временными рядами - будь то аудио, видео или даже радар. Мы делаем это, используя удивительно недооцененный метод, называемый вейвлет-рассеянием. Вейвлет-рассеяние (или преобразование рассеяния) создает представление, которое инвариантно к вращению / трансляции данных и устойчиво к деформациям ваших данных. Неинформативные вариации в ваших данных отбрасываются - например,..