Mira cómo descargar robots gratis
¡Búscanos en Facebook!
Pon "Me gusta" y sigue las noticias
¿Es interesante este script?
Deje un enlace a él, ¡qué los demás también lo valoren!
¿Le ha gustado el script?
Evalúe su trabajo en el terminal MetaTrader 5
Librerías

PNN Neural Network Class - librería para MetaTrader 5

Visualizaciones:
1136
Ranking:
(50)
Publicado:
2014.01.15 09:20
Actualizado:
2014.02.28 12:36
class_pnn.mqh (12.14 KB) ver
test_pnn_xor.mq5 (2.01 KB) ver
¿Necesita un robot o indicador basado en este código? Solicítelo en la bolsa freelance Pasar a la bolsa
La clase CNetPNN implementa una red neural probabilística (Probabilistic Neural Network - PNN).

La creación de la red se declara en el constructor paramétrico de la clase.

CNetPNN *net=new CNetPNN(tamaño del vector de entrada, número de clases (objetivos de clasificación));

La numerácion de las clases (objetivos de clasificación) comienza en cero y debe ser continua. Por ejemplo, si se establecen 3 clases, los números de clase tienen que ser: 0, 1, 2.

El aprendizaje de la red se realiza llamando al método Learn (número de patrones a aprender, matriz de datos de entrada, matriz de datos de salida, número de ciclos de aprendizaje, valor máximo de error de aprendizaje).

Los datos de entrada y salida están contenidos en matrices de una dimensión vector tras vector. Para cada vectorde aprendizaje se debe definir el número de clase en los datos de entrada. El proceso de aprendizaje se restringe bien por las épocas de aprendizaje, o por el error permitido

El método Learn devuelve los valores siguientes:

  • 0 - terminado el aprendizaje de la red y los resultados pueden ser comprobados a través de las variables de la clase: mse – error de aprendizaje, epoch – número de ciclos de aprendizaje empleados;
  • -1 - clase inexistente en los datos de entrada de apredizaje;
  • -4 - no hay memoria suficiente.

Para obtener una respuestra de la red se utiliza el método Calculate (matriz de vectores de entrada). El método Calculate devuelve el número de clase correspondiente al vector de entrada, ó -1, si el vector no puede ser aprendido.

Los métodos Save (manejador de archivo abierto con las banderas FILE_WRITE y FILE_BIN) y Load (manejador de archivo abierto con las banderas FILE_READ y FILE_BIN) están pensados para guardar la red a un archivo y recuperarla posteriormente. La topología de la red, los errores de aprendizaje y la matriz de pesosson guardados en el archivo. Si los parámetros de la topologia de la red a cargar son diferente a la topología de la red establecida, la red no será cargada y el método Load devolverá false.

EL uso de la clase se muestra en el archivo adjunto: Test_PNN_XOR - aprendizaje de la función "OR exclusivo".

Traducción del ruso realizada por MetaQuotes Ltd
Artículo original: https://www.mql5.com/ru/code/1323

Clase de red neuronal GRNN Clase de red neuronal GRNN

La clase se da cuenta de las redes de regresión generalizada (General Regresión Neural Network - GRNN)

iSarX4 iSarX4

Cuatro indicadores parabólicos al mismo tiempo!

AnchoredMomentum AnchoredMomentum

El indicador Momentum mejorado. El indicador en cuestión lo describe Rudy Stefenel en la publicación Stock&Commodities de Febrero de 1998.

ATR_MA_Oscillator ATR_MA_Oscillator

El oscilador ATR MA es un oscilador dibujado en base a la diferencia entre el oscilador ATR oscillator y su línea de señal.