Класс нейронной сети MLP - библиотека для MetaTrader 5

Класс CNetMLP реализует многослойный персептрон (MLP).

Особенностью данного класса является то, что понятия входной вектор и структура сети разделены, т.е. описание входного вектора и структуры сети не связаны между собой.

Размер входного вектора может быть любым в разумных пределах. Входные данные должны быть нормализованы, т.е. быть в пределах  -1 .. 1 или  0 .. 1. В зависимости от того, какие используются данные, к сети применяются различные активационные функции: для диапазона данных -1..1 необходимо использовать гиперболический тангенс,  для диапазона данных 0..1 - сигмоид. 

Сеть имеет послойную структуру с прямой передачей сигнала. Структура сети описывается одномерным массивом, где значение элемента массива определяет количество нейронов в соответствующем слое. Количество слоев и нейронов ничем не ограничено. Сеть может состоять из одного нейрона.

Каждый нейрон имеет множественный вход, определенный его местом в сети, и один выход. Если нужно, чтобы сеть выдавала N ответов, то последний слой должен содержать N нейронов.  Алгоритм обучения - iRprop. Входные и выходные обучающие данные располагаются в одномерных массивах, вектор за вектором. Процесс обучения ограничивается либо количеством эпох обучения, либо допустимой ошибкой.

Создание сети объявляется параметрическим конструктором класса.

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

Обучение сети осуществляется вызовом метода Learn (количество обучающих паттернов, массив входных данных, массив выходных данных, кол-во циклов обучения, допустимая ошибка обучения). Результат обучения можно проверить через переменные класса: mse – ошибка обучения и epoch – количество пройденных циклов обучения.

Для получения ответа сети служит метод Calculate (массив входного вектора, массив ответа сети).

Методы Save (хэндл открытого файла с флагами FILE_WRITE и FILE_BIN) и Load (хэндл открытого файла с флагами FILE_READ и FILE_BIN) предназначены для сохранения сети в файл и загрузки сети из файла соответственно. В файл сохраняются только значение ошибки обучения и массив весов. Соответствие созданной сети и загружаемой сети должно контролироваться перед использованием метода Load (хэндл).

С применением данного класса можно ознакомиться в прилагаемом примере. Подразумевается, что файлы класса и примера находятся в одной папке.

Внимание.

Код класса обновлен 31.08.2012. Исправлена функция вычисления ошибки в методе Learn(...). Спасибо her.human!