神经网络基础-神经网络补充概念-45-指数加权平均

概念

指数加权平均(Exponential Moving Average,EMA)是一种平均方法,用于平滑时间序列数据或者计算变量的滚动均值。它对数据的权重分布呈指数递减,越靠近当前时刻的数据权重越高,越远离当前时刻的数据权重越低。EMA在信号处理、金融分析和深度学习等领域中有广泛应用,可以用于去噪、趋势分析以及模型参数更新等场景。

公式

EMA的计算公式如下:

python 复制代码
EMA(t) = α * x(t) + (1 - α) * EMA(t-1)

其中,t 表示当前时刻,x(t) 表示当前时刻的数据点,α 是平滑因子(也称为衰减因子),通常取值范围在0到1之间。EMA(t-1) 表示上一时刻的指数加权平均。

在每一步迭代中,都会计算新的EMA值,这样可以在数据流动过程中对数据进行平滑处理。

代码实现

python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)

# 指数加权平均的平滑因子
alpha = 0.2

# 计算指数加权平均
ema = np.zeros_like(data)
ema[0] = data[0]
for t in range(1, len(data)):
    ema[t] = alpha * data[t] + (1 - alpha) * ema[t-1]

# 绘制原始数据和指数加权平均
plt.plot(data, label='Original Data')
plt.plot(ema, label=f'EMA (alpha={alpha})', color='red')
plt.legend()
plt.xlabel('Time')
plt.ylabel('Value')
plt.title('Exponential Moving Average')
plt.show()
相关推荐
newxtc13 分钟前
【 广州产权交易所-注册安全分析报告-无验证方式导致安全隐患】
开发语言·人工智能·selenium·安全·yolo
AIzealot无29 分钟前
Qwen3 Embedding报告随笔
人工智能·深度学习·算法·论文·embedding·论文笔记·搜广推
渡我白衣31 分钟前
《深度学习进阶(四)——多模态智能:语言、视觉与语音的融合》
人工智能·深度学习
weixin_4180076032 分钟前
用opencv来识别信用卡的号码 Vs 使用yolo+paddleocr
人工智能·opencv·yolo
爱凤的小光44 分钟前
OpenCV的数据类型二
人工智能·opencv
flay1 小时前
Claude Code + Git:AI驱动的版本管理最佳实践
人工智能·ai编程
王一点er1 小时前
为什么LLM中KL散度需要近似计算
人工智能·深度学习
golang学习记1 小时前
Github狂飙8k star,Claude Code 模板:一键搞定项目配置的高级法器
人工智能
悠闲蜗牛�1 小时前
深度学习与大规模系统构建:AI技术在实际项目中的应用
人工智能·深度学习
小虎AI生活1 小时前
我把Claude Code卸载了,只因这款国产免费神器...
人工智能·ai编程