Teaching TINN

Das Dienstprogramm Teaching T-INN wurde entwickelt, um neuronale Netze (T-INN) Target-IntelNeuroNet zu trainieren, die an den Währungsmarkt angepasst sind. Die Utility-Datei muss im Skript-Ordner abgelegt und auf dem Chart und dem Zeitrahmen ausgeführt werden, auf dem Sie das neuronale Netzwerk trainieren möchten. Das Ergebnis des Trainings wird in einer Datei aufgezeichnet, und der gesamte Trainingsprozess wird in der Konsole auf dem Chart und in einer zusätzlichen Protokolldatei angezeigt.

Die Architektur des neuronalen Netzes.

Das neuronale Netz basiert auf einer speziell entwickelten Architektur (T-INN) Target-IntelNeuroNet. Diese Architektur verfügt über fortschrittliche Lernfähigkeiten bei großen Datensätzen. Die T-INN-Architektur zeichnet sich dadurch aus, dass sie effizient auf einem unbegrenzten Datensatz trainieren kann und dabei die Extrapolationseigenschaften der Daten beibehält. Mit zunehmender Datenmenge erhöht sich die Trainingszeit, aber sie ist unvergleichlich geringer als bei klassischen Architekturen (wie RBF, PNN, GRNN, MADALINE, MLP). Und das Wichtigste ist, dass das neuronale Netz bei einem unbegrenzten Satz von Eingabedaten akzeptable Lösungen für das Problem findet!

So trainieren Sie ein neuronales Netz.

• Installieren Sie das Skript auf der Karte
• Passen Sie bei Bedarf die Trainingszeit und die Zeit für die Vorwärtsperiode an.
• Setzen Sie das Feld Aktion auf den Status agTeaching, was bedeutet, dass das neuronale Netz trainiert werden soll.
• Setzen Sie den Parameter Visual auf avEtalon, d.h. den Befehl zur Anzeige der Trainingsdaten (Referenz) im Diagramm.

Danach können Sie das Skript ausführen, und nachdem Sie den gesamten Trainingsprozess durchlaufen haben, erhalten Sie die resultierende Datei im Ordner für Expertendateien (standardmäßig für alle Metatrader). Wenn Sie den Dateinamen des neuronalen Netzwerks nicht im Feld NetFileName angeben, wird er automatisch erstellt.Es ist wichtig, die Anzahl der DivisionSubClusters-Cluster richtig einzustellen, für 10.000 Balken werden etwa 20 - 30 Cluster benötigt. Bei der Einstellung des Parameters DivisionSubClusters müssen Sie bedenken, dass es sich um einen zweidimensionalen Raumwert handelt (d.h. quadratisch), für unser Beispiel kann es DivisionSubClusters=5 sein (5*5=25 Cluster pro 10.000 Balken.Die Abhängigkeit ist wie folgt: wenn es zu viele Cluster gibt, sinkt die Vorhersagbarkeit, wenn es zu wenige Cluster gibt, sinkt die Vorhersagbarkeit.Eine goldene Mitte wird benötigt, Sie können nach der angegebenen Formel navigieren.

Nach Abschluss des Trainings können Sie die fertige Datei des neuronalen Netzes sowohl in der Trainings- als auch in der Vorwärtsperiode überprüfen.

So testen Sie ein neuronales Netz.

• Installieren Sie das Skript auf dem Diagramm
• Stellen Sie die Trainingszeit und die Forward-Periode so ein, wie sie beim Training des neuronalen Netzes waren.
• Setzen Sie das Feld Aktion auf den Status agAudit (Überprüfung der Ergebnisse in der Trainingsperiode) oder auf den Status agForward (Überprüfung der Ergebnisse in der Forward-Periode).
• Setzen Sie den Parameter Visual auf avCalculate, d. h. einen Befehl zur Anzeige der vom neuronalen Netz erzeugten Daten.

Danach können Sie das Skript ausführen und es zeigt die Ergebnisse des neuronalen Netzes visuell und in Textform an. In Zukunft kann die Datei im Intel Neuron Bot verwendet werden, der in der Lage sein wird, nach den Anweisungen des neuronalen Netzwerks zu handeln. Außerdem wird der Bot in der Lage sein, die Arbeit mit verschiedenen fortgeschrittenen Motodaten anzupassen, wie z. B. einer begrenzten Reihe von Aufträgen oder Stop-Aufträgen usw. Der Bot verfügt über einen vollständigen Satz von Werkzeugen für einen stabilen Betrieb auf dem realen Markt.