文章 "神经网络：从理论到实践"
原则上说，这篇文章还不错，一切都很清楚、明了，可以说上架 .....，让我们说有一个可以开始的地方，而不是去搜索其他论坛，但有必要继续下去，第 2、3 部分.....
您需要一个使用多层 NS 的示例，因为图片显示 的是多层 NS，但示例中只有一个神经元网络 - 要么重命名文章，要么写第二部分。
祝你好运！
- www.mql5.com
但我不太明白--神经元的 "训练 "是如何进行的？
但我不太明白神经元是如何 "训练 "的，以及多久训练一次。
- www.mql5.com
- www.mql5.com
我将反过来支持您！！我们将陆续发表 ))))))。
我和神经网络打了很长时间的交道--我不明白它们是如何工作的，我了解它们的数学装置，也有很多例子，但我很长时间都不明白为什么需要训练它们，以及训练会带来什么，因为在互联网上只有针对特定任务（模式识别、交易）的训练例子，我没有遇到过任何基本（原始、日常）的例子，直到我在某个论坛上遇到了一个训练 sin(x)...... 的例子。
然后，我自己写了一个脚本，在线教授 NS 乘法表，并使用 Comment() 将结果打印到屏幕上，然后 ....哦，奇迹......我高兴得热泪盈眶，因为我看到了 NS 是如何学习的，真正的学习，而不是通过枯燥的公式来得到想要的结果。如果能在文章中举例说明就更好了 2x2=4,1 2x3=5,9 .....9x9= 80,2 ，但 11x2= 10,3 因为 11 的乘法表 NS 没有学习过，这里是 howtoktotak ))))))
ZY：关于我：我学习、读书、服役、工作、结婚、幸福地生活，并在同一天死去，我还不会死--还有未竟的事业 !!!!
对于入门级用户来说，这篇文章很不错，希望能有后续报道。
这个问题问得好。
虽然乘法表与交易关系不大，但我还是想知道，网络是否能够教授乘法表？
也许回答了 "网络为什么学不会乘法表 "这个问题，我们就会明白如何教会网络进行交易。
问题陈述得很好。
1.虽然乘法表与交易关系不大，但我还是想知道，有没有可能教网络学习乘法表？
2.也许回答了这个问题，网络为什么学不会乘法表？
3.就会明白如何教会网络进行交易。
1.是的，NS 已经学会了从 1x1 到 9x9 （包括 9x9 在内）的乘法表，视频显示的结果似乎精确到了小数点后两位。
2.网络没有学习过 9x9 以上的乘法表，这并不奇怪--没有人教过，任何正确结果的巧合都是随机的。
3.有一种理解，但"New Neural"--MetaTrader 5 平台神经网络引擎开源项目--的 开发人员仍抱有希望，但正如他们所说 "仍然一无所获"（克雷洛夫语）。开发多层 NS 项目是一项劳动密集型任务 - 添加 .dll 更容易，不过，与现成的 NS 包/.dll 实现相比，在纯 mql5 上的训练速度可能会有所下降。
SZY：您可以在 MT5 的主题中询问是否希望内置多层 NS 的实现，但开发人员的回答是否定的，没有提供，半年后他们就会宣布这样的更新，我已经 "得到 "了两次：我希望有运算符重载和在图表上绘图的画布:)。
ZYZY：对我来说，用 NS 进行实验，这样的导入就足够了：
#import "fannmql.dll" void fannmql_build(string NN_config); // 创建 FANN 神经网络，在 NN_config 中确定神经元层的属性 // 您可以使用分隔符：', .; -' 或空格 void fannmql_unbuild(); // 删除 FANN 神经网络 double fannmql_train(double &input[],double &output[]); // 训练 FANN 神经网络，返回 RMS 值 void fannmql_run (double &input[],double &output[]); // 计算神经网络的 FANN void fannmql_savetofile (string File_name); // 将神经网络的 FANN 保存到文件中 void fannmql_loadfromfile(string File_name); // 从文件中加载神经网络的 FANN #import string s = "8-10-10-2"; // NS，8 个输入，2 个隐层，每层 10 个神经元，2 个输出 double inp[8],out[2]; //________________________________________________ int init(){ fannmql_build(s); ..............但是，很显然，要在 MT5 标准函数中加入这样的函数是一个巨大而难以实现的问题;)))))
也许回答了 "网络为什么学不会乘法表 "这个问题，我们就能理解如何教会网络进行交易。
最有趣的是，网络无法学习乘法表（广义上的）。当然，您可以教它从 1*1 到 9*9 的乘法运算，然后......Repin 的画--"无花果你"。
但大脑在执行这些步骤时并不困难，为什么会这样呢？- 这就是智慧宝库的所在，你必须在这里挖掘，但它并不像看起来那么简单--它与人工智能领域接壤，那是另一个故事....。
最有趣的是，网络无法教授乘法表（广义上的）。也就是说，你当然可以教授从 1*1 到 9*9 的乘法运算，然后......Repin 的画--"无花果你"。
但是，大脑却能毫无困难地完成这些步骤，为什么会这样呢？- 这就是智慧的宝库，我们需要在这里挖掘，但它并不像看起来那么简单--它已经接近人工智能领域，这是一个不同的故事....。
我不同意无花果网络的观点。
神经网络不是属于人工智能领域吗？
如果您想继续这个话题，我建议您访问"New Neural" - MetaTrader 5 平台神经网络引擎开源项目。
或者通过私人信息，我认为在这里是多余的。
最有趣的是，网络无法教授乘法表（广义上的）。也就是说，你当然可以教授从 1*1 到 9*9 的乘法运算，然后......Repin 的画--"无花果你"。
但大脑在执行这些步骤时并不困难，为什么会这样呢？- 这就是智慧宝库的所在，我们需要在这里挖掘，但它并不像看起来那么简单--它涉及人工智能领域，那是另一回事....。
尤拉-雷舍托夫（Yura Reshetov）甚至写道，可以教 NS 学习乘法表，其中 2*2 = 5，其他所有变化在算术上都是正确的。顺便说一句，这就是拟合的本质。至于为什么教 NS 1-9，给它 10-20 就会开始撒谎，也是有答案的。关键在于，只有当样本外数据与训练集上的数据处于同一区间时，网络才能正确工作。粗略地说，我们的输入范围是 [1;9]。而我们给 NS 提供的数据范围不同，这将导致输入数据非稳态，而非稳态将给出错误的答案。试着在 [1;20] 范围内的样本 上训练网络，然后给它相同范围内的其他 样本，哦，奇了怪了，它真的会工作。你可以测试一下。
在这里，我已经测试过了。样本外效果很好 )
教 NS 学习乘法表 1-20。在随机抽取的例子（样本量的 1/3 和 1/3）上进行训练和停止训练。验证--样本量的其余 1/3，但最重要的是来自同一范围。验证结果与训练样本一样好。误差在 +-0.1 以内。
问题的关键在于，NS 可以学习任何函数，正如你所知道的，并能成功完成，最主要的是样本外数据的范围应在训练范围内。
新文章 神经网络：从理论到实践已发布：
简介
现在，每一位交易者肯定听说过神经网络并知道使用它们有多酷。大多数人相信那些能够使用神经网络的人是某种超人。在本文中，我将尝试向您解释神经网络架构，描述其应用并提供几个实践例子。
神经网络的概念
人工神经网络是人工智能研究的领域之一，以尝试模拟人类的神经系统的学习和适应能力为基础，这会让我们能够建立一个对人类大脑工作的非常粗略的模拟。
说也奇怪，人工神经网络由人工神经元构成。
作者：Dmitriy Parfenovich