请观看如何免费下载自动交易

有趣的脚本?
因此发布一个链接 -
让其他人评价

喜欢这个脚本? 在MetaTrader 5客户端尝试它

显示:
1000
等级:
投票: 39
已发布:
2014.02.07 07:03

CNetGRNN 类实现了通用回归神经网络 (General Regression Neural Network - GRNN).

网络的创建被声明为类参数化的构造函数.

CNetGRNN *net=new CNetGRNN(input vector size, output vector size);

学习网络由调用Learn方法(学习模式的数量, 输入数据数组, 输出数据数组, 学习周期数量, 最大学习错误)提供.

输入和输出的学习数据都位于一维数组的矢量中. 学习过程受限于学习世代的数量或者可接受的错误.

Learn方法有如下返回值:

  • 0 - 网络学习完成并且学习结果可以通过类变量检查: mse – 学习错误, epoch – 完成的学习循环数量;
  • -4 - 内存不足. 

Calculate 方法 (输入矢量数组, 网络回应数组) 用于取得回应网络.

Save (使用 FILE_WRITE 和 FILE_BIN 标志打开文件句柄) 和 Load (使用 FILE_READ 和 FILE_BIN 标志打开文件句柄) 方法用于把网络保存到文件以及对应地从文件载入网络. 网络拓扑, 学习错误和数组权重被保存到文件中. 如果载入网络的拓扑参数和建立网络的拓扑参数不同, 网络将不能被载入而Load方法会返回false.

本类的用法显示于附件的规格中: Test_GRNN_XOR - 学习网络函数 "异或", Test_GRNN_MUL_ADD - 学习网络乘法和整数加法.

本文译自 MetaQuotes Software Corp. 撰写的俄文原文
官方代码: https://www.mql5.com/ru/code/1324

回归分析 回归分析

这个指标比较四种类型的回归(线性,两次方,对数和指数)并选则最能适合数据分析的那一个。

Kaufman 效率比 Kaufman 效率比

Kaufman 效率比(也称为“广义分形效率”)源于Perry Kaufman的“精明交易”和“新交易系统和方法”两书。

创建环形缓冲区的类 创建环形缓冲区的类

本类可以用于组织迷你时间序列, 指标的迷你缓冲区, 长度小的缓冲区以保存EA交易或者指标中中等长度的流数据.

使用环形缓冲区绘制移动平均的类 使用环形缓冲区绘制移动平均的类

本类使用环形缓冲区的算法计算移动平均(Moving Average).