Teaching TINN

La utilidad Teaching T-INN ha sido creada para entrenar redes neuronales de arquitectura (T-INN) Target-IntelNeuroNet adaptadas al mercado de divisas. El archivo de la utilidad debe colocarse en la carpeta de scripts y ejecutarse en el gráfico y el marco temporal en los que desee entrenar la red neuronal. El resultado del entrenamiento se registrará en un archivo, y todo el proceso de entrenamiento se muestra en la consola del gráfico y en un archivo de registro adicional.

La arquitectura de la red neuronal.

La red neuronal se basa en una arquitectura especialmente desarrollada (T-INN) Target-IntelNeuroNet. Esta arquitectura tiene capacidades avanzadas de aprendizaje en grandes conjuntos de datos. La arquitectura T-INN se distingue por el hecho de que puede entrenarse eficazmente en un conjunto de datos ilimitado, conservando al mismo tiempo las propiedades de extrapolación de los datos. Al aumentar el conjunto de datos, aumenta el tiempo de entrenamiento, pero es incomparablemente menor que con las arquitecturas clásicas (como RBF, PNN, GRNN, MADALINE, MLP). Y lo que es más importante, con un conjunto de datos de entrada de tamaño ilimitado, ¡la red neuronal encontrará soluciones aceptables al problema!

Cómo entrenar una red neuronal.

• Instale el script en el gráfico
• Ajuste el tiempo de entrenamiento y el tiempo del periodo de avance si es necesario.
• Establezca el campo Acción en el estado agEntrenamiento, lo que significa que la red neuronal debe entrenarse.
• Establezca el parámetro Visual en avEtalon, que significa el comando para mostrar los datos de entrenamiento (referencia) en el gráfico.

Después de eso, puede ejecutar el script y después de pasar por todo el proceso de entrenamiento, recibirá el archivo resultante en la carpeta de archivos de expertos (por defecto, común para todos los metatraders), si no especifica el nombre del archivo de la red neuronal en el campo NetFileName , entonces se creará automáticamente.Es importante establecer correctamente el número de clusters DivisionSubClusters, aproximadamente se necesitan 20 - 30 clusters para 10.000 barras, estableciendo el parámetro DivisionSubClusters, debe recordar que este es un valor de espacio bidimensional (es decir, al cuadrado), para nuestro ejemplo puede ser DivisionSubClusters=5 (5*5=25 clusters por 10.000 barras.La dependencia es la siguiente: si hay demasiados clusters, la predictibilidad disminuye, si hay muy pocos clusters, la predictibilidad disminuye.Se necesita una media áurea, se puede navegar según la fórmula especificada.

Después de completar el entrenamiento, puede comprobar el archivo de red neuronal terminada tanto en el período de entrenamiento y hacia adelante.

Cómo probar una red neuronal.

• Instale el script en el gráfico
• Establezca el tiempo de entrenamiento y el periodo forward tal y como estaba al entrenar la red neuronal.
• Establezca el campo Action en el estado agAudit (comprobar los resultados en el periodo de entrenamiento) o en el estado agForward (comprobar los resultados en el periodo forward).
• Establezca el parámetro Visual en avCalcular, lo que significa un comando para mostrar los datos generados por la red neuronal.

Después, puede ejecutar el script y éste mostrará visualmente y en forma de texto los resultados de la red neuronal. En el futuro, el archivo se podrá utilizar en el Intel Neuron Bot, que podrá operar según las instrucciones de la red neuronal. Además, el bot podrá ajustar el trabajo con varios motodatos avanzados, como una serie limitada de órdenes u órdenes stop, etc. El bot dispone de un conjunto completo de herramientas para un funcionamiento estable en el mercado real.