FORTH, наверное, нельзя в полной мере назвать языком, скорее это способ реализации 0-адресной машины. Те, кто помнит калькулятор Электроника Б3-21, ностальгируют. Стек на 60 слов, и ни в чем себе не отказывай. А реально на FORTH выполняли управляющие системы, существовала даже м-схема, реализующая ядро.
Есть и другой взгляд на вещи - существует только команда безусловного перехода и команда пропуска следующей команды. Такой подход позволяет просто реализовать конвейер
Марина, если отбросить много буков, ранее сказанных, то самое первое, что необходимо сделать - это понять суть того процесса, который Вы наблюдаете. Я вижу, простите, что у Вас в голове каша. Давайте сформулируем задачу, а она, задача, такова, что Вы ходите разделить процесс на 2 составляющих - случайную и детерминированную, зависящую от времени. Ведь так? Далее надо попытаться понять - шум аддитивен или мультипликативен, что следует из физической сути процесса. Далее - насколько применима модель детерминированной части в виде уравнения в конечных разностях. Для этих моделей очень важен порядок, особенно в АР части, поскольку эта часть отвечает за колебания. При превышении порядка решение неустойчиво. СС составляющая даёт тренды - превышение порядка здесь не столь существенно. Вам надо почувствовать на что влияют глобальные параметры модели. Как-то так. А про пакеты пока забудьте, поймите физическую сущность процесса. Больше не утомляю. Удачи.
Уважаемая Марина, не без интереса прочитал Ваш пост и, поверьте, крайне удивлен, что АРСС модели/методы ещё живы. Позвольте несколько замечаний, которые , как мне кажется, улучшили бы текст. Во-первых, в начале статьи следовало бы сразу определиться с моделью процесса (отображаемого временным рядом) - процесс есть аддитивная смесь детерминированного процесса и случайного процесса стационарного в узком/широком смысле. Во-вторых, в части случайного процесса Вы представляете гауссов (почему именно его) процесс. Почему этого достаточно? В третьих, строго определитесь с понятием стационарности. Это позволит избежать сентенций "Стационарный ряд в первом приближении можно считать просто чем-то похожим на синус". Представлен ряд ни разу не является случайным процессом, и, следовательно, к нему пряд ли применимо понятие стационарности. Это АР-процесс первого порядка, заданный рекурсивным уравнением в конечных разностях первого порядка. Это именно та детерминированная часть модели, которую Вы строите, используя АРМА метод. Есть ещё места в тексте, которые требовалось бы поправить, но они больше связаны собственно с инструментами, которые Вы используете. А в заключение - бросьте эти методы и плюньте на них слюной. Они перекочевали в экономику из радио/гидро/сейсмо-локации. Они обсуждались сообществом с середины 60х до середины 90х прошлого века. В сухом остатке - "гора родила мышь", поскольку 2 основных априорных предположения о гауссовости случайной части и собственно детерминированной части в виде АРСС являются чрезвычайно жёсткими, и, как только, реальный процесс не соответствует этой модели, результат непредсказуем. Искренне.
Термически отверждаеиые клеи https://nii-em.ru/catalog/tokoprovodyashie-klei-i-pasty-na-osnove-vysokodispersnyh-poroshkov-serebra
В том числе и для монтажа пьезоэлектрических элементов
FORTH, наверное, нельзя в полной мере назвать языком, скорее это способ реализации 0-адресной машины. Те, кто помнит калькулятор Электроника Б3-21, ностальгируют. Стек на 60 слов, и ни в чем себе не отказывай. А реально на FORTH выполняли управляющие системы, существовала даже м-схема, реализующая ядро.
Есть и другой взгляд на вещи - существует только команда безусловного перехода и команда пропуска следующей команды. Такой подход позволяет просто реализовать конвейер
Марина, если отбросить много буков, ранее сказанных, то самое первое, что необходимо сделать - это понять суть того процесса, который Вы наблюдаете. Я вижу, простите, что у Вас в голове каша. Давайте сформулируем задачу, а она, задача, такова, что Вы ходите разделить процесс на 2 составляющих - случайную и детерминированную, зависящую от времени. Ведь так? Далее надо попытаться понять - шум аддитивен или мультипликативен, что следует из физической сути процесса. Далее - насколько применима модель детерминированной части в виде уравнения в конечных разностях. Для этих моделей очень важен порядок, особенно в АР части, поскольку эта часть отвечает за колебания. При превышении порядка решение неустойчиво. СС составляющая даёт тренды - превышение порядка здесь не столь существенно. Вам надо почувствовать на что влияют глобальные параметры модели. Как-то так. А про пакеты пока забудьте, поймите физическую сущность процесса. Больше не утомляю. Удачи.
Уважаемая Марина, не без интереса прочитал Ваш пост и, поверьте, крайне удивлен, что АРСС модели/методы ещё живы. Позвольте несколько замечаний, которые , как мне кажется, улучшили бы текст. Во-первых, в начале статьи следовало бы сразу определиться с моделью процесса (отображаемого временным рядом) - процесс есть аддитивная смесь детерминированного процесса и случайного процесса стационарного в узком/широком смысле. Во-вторых, в части случайного процесса Вы представляете гауссов (почему именно его) процесс. Почему этого достаточно? В третьих, строго определитесь с понятием стационарности. Это позволит избежать сентенций "Стационарный ряд в первом приближении можно считать просто чем-то похожим на синус". Представлен ряд ни разу не является случайным процессом, и, следовательно, к нему пряд ли применимо понятие стационарности. Это АР-процесс первого порядка, заданный рекурсивным уравнением в конечных разностях первого порядка. Это именно та детерминированная часть модели, которую Вы строите, используя АРМА метод. Есть ещё места в тексте, которые требовалось бы поправить, но они больше связаны собственно с инструментами, которые Вы используете. А в заключение - бросьте эти методы и плюньте на них слюной. Они перекочевали в экономику из радио/гидро/сейсмо-локации. Они обсуждались сообществом с середины 60х до середины 90х прошлого века. В сухом остатке - "гора родила мышь", поскольку 2 основных априорных предположения о гауссовости случайной части и собственно детерминированной части в виде АРСС являются чрезвычайно жёсткими, и, как только, реальный процесс не соответствует этой модели, результат непредсказуем. Искренне.