RBFニューラルネットワーククラス - MetaTrader 5のためのライブラリ

このクラスは、放射基底関数のニューラルネットワーク（Radial Basis Function Network - RBFN）を実装します。

ここでRBFNの古典的な実現は、ニューロンの放射対称活性化機能の隠れ層と線形およびシグモイド活性化機能の出口層との2層として表されます。

出力層の活性化機能は、テスト出力データに応じてネットワークを訓練するために自動的に選択されます。-1〜1の範囲では双曲線正接、0~１の範囲ではシグモイドが適応されます。テスト出力データは-1〜1の範囲を超えている場合活性化関数は使われません。

ネットワークの作成はクラスパラメトリックコンストラクタであると宣言されます。

CNetRBF * net =new CNetRBF (入力ベクトルの大きさ、隠れ層のニューロンの最大数、出力ベクトルの大きさ);

ネットワークによって使用されることができる隠れ層でのニューロンの最大数はネットワーク作成の際に設定されます。必要なニューロンの実際の数は、ネットワークを学習することによって決定されます。

学習ネットワークは、Learnメソッド (学習パターンの数、入力データ配列、出力データ配列、学習サイクル数、最大学習誤差).を呼び出すことによって提供されます。

入力と出力の学習データは、ベクターによる1次元配列のベクター中に位置しています。学習の工程は学習エポックまたは許容誤差の数のいずれかによって制限されています。

Learnメソッドは以下の値を返します。

      0 - 完全なネットワークの学習と学習結果がクラス変数を介して確認することができます。mse – 学習誤差、epoch – 熟達した学習サイクルの数、neurons - 隠れ層のニューロンの数。
     -3 - 隠れ層のニューロンが不充分

     -4 - 不充分なメモリ

Calculateメソッド (入力ベクトル配列、ネットワーク応答配列)はネットワーク応答を取得するために使用されます。

Save (FILE_WRITEとFILE_BINフラグで開いているファイルハンドル) と Load (FILE_READとFILE_BINフラグで開いているファイルハンドル) メソッドはそれぞれファイルへのネットワークの保存とファイルからのネットワークの読み込みのためのものです。ネットワークトポロジ、学習誤差、配列の重みはファイルに保存されます。読み込まれたネットワークトポロジのパラメータが確立されたネットワークトポロジのパラメータと異なる場合は、ネットワークがロードされず、Loadメソッドはfalseを返します。

クラスの使い方は添付された例に示されています。Test_RBFN_XOR - 「XOR」ネットワーク機能の学習、Test_RBFN_MUL_ADD - 乗算と整数の加算のネットワーク学習。 クラスと例のファイルを1つのフォルダに配置することが推奨されています。