Teaching TINN

Утилита Teaching T-INN создана для обучения нейросетей ахитектуры (T-INN) Target-IntelNeuroNet адаптированных под рынок валют. Файл утилиты необходимо разместить в папке скриптов и запускать на том графике и таймфрейме  на которых необходимо тренировать нейросеть. Результат тренировки будет зафиксирован в файле, а весь процесс тренировки отображается в консоли на чарте и дополнительном лог файле.

Архитектура нейросети.

Нейросеть основана на специально разработанной архитектуре (T-INN) Target-IntelNeuroNet. Данная архитектура обладает расширенными возможностями обучения на больших массивах данных. Архитектура T-INN отличается тем, что может эффективно обучаться на неограниченном наборе данных сохраняя при этом свойства экстраполирования данных. С увеличением набора данных время обучения увеличивается, но это несравнимо меньше с классическими архитектурами (типа RBF, PNN, GRNN, MADALINE, MLP). И главное при наборе входных данных неограниченной величины нейросеть найдет приемлемые решения задачи! 

Как тренировать нейросеть.

• Установите скрипт на чарт
• Настройте время тренировки и время форвард периода, если он требуется.
• Установите поле Action в состояние agTeaching, что означает, что нейросети следует обучать.
• Задайте параметру Visual значение avEtalon, что означает команду для отображения обучающих данных (эталонных) на графике.

После чего можно запускать скрипт и пройдя весь процесс тренировки, вы получите результирующий файл в папке файлов эксперта (по умолчанию общей для всех метатрейдеров), если вы не укажете имя файла нейросети в поле NetFileName тогда оно будет создано автоматически. Важно правильно настроить количество кластеров DivisionSubClusters, ориентировочно на 10000 баров нужно 20 - 30 кластеров, задавая параметр DivisionSubClusters необходимо помнить что это значение двухмерного пространства (то есть в квадрате), для нашего примера это может быть DivisionSubClusters=5 (5*5=25 кластеров на 10 000 баров. Зависимость следующая – если кластеров слишком много прогнозируемость уменьшается, если кластеров слишком мало, прогнозируемость уменьшается. Необходима золотая середина, ориентироваться можно по указанной формуле.

После завершения обучения вы можете проверить готовый файл нейросети как на учебном, так и на форвард периодах.

Как проверить нейросеть.

• Установите скрипт на чарт
• Настройте время тренировки и время форвард периода таким, каким он был при обучении нейросети.
• Установите поле Action в состояние agAudit (проверить результаты на учебном периоде) или в состояние agForward (проверить результаты на форвард периоде).
• Задайте параметру Visual значение avCalculate, что означает команду для отображения данных, которые генерирует нейросеть.

После этого можно запускать скрипт и он покажет визуально и в текстовом виде результаты работы нейросети. В дальнейшем файл можно использовать в боте Intel Neuron Bot, который сможет торговать согласно инструкциям нейросети. Также бот сможет корректировать работу разными продвинутыми мотодатами, такими как ограниченная серия ордеров или стоп-ордера и т.д. Бот обладает полным набором инструментов для стабильной работы на реальном рынке.