Bibliotecas: Classe da Rede Neural MLP

 

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

 
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?
//+------------------------------------------------------------------+
//| 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