Bibliotecas: Classe da Rede Neural MLP
Thanks for this amazing contribuition... May you explain how can I determine the permissive error?
northedan:
Thanks for this amazing contribuition... May you explain how can I determine the permissive error?
Thanks for this amazing contribuition... May you explain how can I determine the permissive error?
//+------------------------------------------------------------------+ //| Learn | //+------------------------------------------------------------------+ void CNetMLP::Learn(int c_npat, // number of teaching patterns double &c_inp[], // input data double &c_res[], // output data int c_nep, // number of learning epochs double c_err) // permissible error
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Classe da Rede Neural MLP:
CNetMLP fornece um perceptron multicamadas (MLP).
A característica desta classe é que o vetor de entrada e a estrutura da rede são separados, isto é, as descrições do vetor e da estrutura de entrada da rede não estão ligados entre si.
O tamanho do vetor de entrada pode ter qualquer valor dentro dos limites razoáveis. Os dados de entrada devem ser normalizados, isto é, os dados devem estar dentro do intervalo de -1.. 1 ou 0.. 1. Várias funções de ativação são aplicadas para a rede de acordo com o tipo dos dados usados: a tangente hiperbólica deve ser usada para um intervalo de dados de -1..1, enquanto que o sigmóide é usado para o intervalo de dados de 0..1.
A rede tem uma estrutura de camada por camada, com uma transmissão direta de sinais. Tne estrutura de rede é descrita por um array unidimensional, onde o valor do elemento do array determina o número de neurónios na camada apropriada. O número de camadas e neurônios não é limitada. A rede pode consistir de um único neurónio.
Autor: Yury Kulikov