MLP 신경망 클래스 - MetaTrader 5용 라이브러리

CNetMLP 클래스는 다층 퍼셉트론(MLP)을 구현합니다.

이 클래스의 특징은 입력 벡터와 네트워크 구조의 개념이 분리되어 있다는 점, 즉 입력 벡터와 네트워크 구조에 대한 설명이 서로 관련이 없다는 점입니다.

입력 벡터의 크기는 합리적인 한도 내에서 임의의 크기일 수 있습니다. 입력 데이터는 정규화되어야 하며, 즉 -1 ... 1 또는 0 ... 1. 사용되는 데이터에 따라 네트워크에 다른 활성화 함수가 적용됩니다. 데이터 범위가 -1...1이면 쌍곡선 탄젠트를 사용하고, 0...1이면 시그모이드를 사용해야 합니다.

네트워크는 직접 신호를 전송하는 계층별 구조를 가지고 있습니다. 네트워크 구조는 1차원 배열로 설명되며, 배열 요소의 값에 따라 해당 계층의 뉴런 수가 결정됩니다. 레이어와 뉴런의 수는 제한되지 않습니다. 네트워크는 단일 뉴런으로 구성될 수도 있습니다.

각 뉴런에는 네트워크에서의 위치에 따라 결정되는 여러 개의 입력과 하나의 출력이 있습니다. 네트워크가 N개의 응답을 생성하려면 마지막 계층에 N개의 뉴런이 포함되어야 합니다. 훈련 알고리즘은 iRprop입니다. 입력 및 출력 훈련 데이터는 벡터별로 1차원 배열로 배열됩니다. 학습 과정은 훈련 에포크 수 또는 오류 허용 오차에 의해 제한됩니다.

네트워크 생성은 파라메트릭 클래스 생성자에 의해 선언됩니다.

CNetMLP  *net=new CNetMLP(количество слоев, массив структуры сети, размер входного вектора, 
                          тип активационной функции: 0 - сигмоид, 1 - гиперболический тангенс).

네트워크는 학습 메서드(학습 패턴 수, 입력 데이터 배열, 출력 데이터 배열, 학습 주기 수, 허용 가능한 학습 오류)를 호출하여 학습합니다. 학습 결과는 클래스 변수인 mse - 학습 오류 및 epoch - 완료된 학습 주기 수를 통해 확인할 수 있습니다.

계산 메서드(입력 벡터 배열, 네트워크 응답 배열)는 네트워크 응답을 얻는 데 사용됩니다.

Save(파일 쓰기 및 파일 빈 플래그가 있는 열린 파일의 핸들) 및 Load(파일 읽기 및 파일 빈 플래그가 있는 열린 파일의 핸들) 메서드는 각각 네트워크를 파일에 저장하고 파일에서 네트워크를 로드하는 데 사용됩니다. 훈련 오류 값과 가중치 배열만 파일에 저장됩니다. 로드(handle) 메서드를 사용하기 전에 생성된 네트워크와 로드된 네트워크 간의 대응을 제어해야 합니다.

이 클래스의 적용은 첨부된 예제에서 확인할 수 있습니다. 클래스와 예제 파일은 같은 폴더에 있는 것으로 이해합니다.

주의.

클래스 코드는 2012.08.31에 업데이트되었습니다. Learn(...) 메서드의 오류 계산 함수를 수정했습니다. her.human에게 감사드립니다!