Neuroph is lightweight Java neural network framework to develop common neural network architectures. It contains well designed, open source Java library with small number of basic classes which correspond to basic NN concepts. Also has nice GUI neural network editor to quickly create Java neural network components. It has been released as open...
至于文章本身，不是一般的 NS。有什么问题？需要拟合的系数数量与历史数据的数量相当。
让我们把系数的数量与历史数据的数量相等。我想，这样的调整就会非常完美。它不会有一笔亏损的交易，而且会最大限度地利用历史数据。
如果我们把 NS 的构建看作是对大量系数的选择，那么我们就不需要这么好的东西了。
如果这篇文章叫做 "创造圣杯"，你的论点倒也中肯。:)
但这篇文章的主题根本不是这个。因此，NS 的结构完全符合文章的目的，并允许
1）清楚地展示EA 创建的 各个阶段（尤其是，未经训练的网络与训练过的网络在准确性上的差异非常明显--如果网络中只有几个神经元，就不会有如此明显的差异）；
2) 演示大型网络的工作。如果示例中只有几个神经元，那么在记事本中进行大量文本替换的所有这些操作都是不可理解的。谁也不知道读者会建立多大的 NS。现在，我已经提前教会了他们一切。
我想知道前锋不向未来倾泻的时间段是多久？如果是一个月，那很好。
大多数交易者不能也不知道如何正确地打开买入止损单 ....
一看到这样的文章，他们就会失禁......
如果这篇文章的标题是 "创造圣杯"，你的论点也是成立的。:)
但这根本不是文章的主题。因此，NS 的结构完全符合文章的目的，可以做到以下几点：
1）清晰地展示EA 创建的 各个阶段（尤其是，未经训练的网络和训练过的网络在准确性上的差异非常明显--如果网络中只有几个神经元，就不会有如此明显的差异）；
2) 演示大型网络的工作。如果示例中只有几个神经元，那么在记事本中进行大量文本替换的所有这些操作都是不可理解的。谁也不知道读者会构建出多大的 NS。现在的情况是，我提前把一切都教给了他们。
您的文章对我们最终清醒地认识 NS 非常有用。我们认识到，"乘加 "逻辑是极其原始的，因此与更有意义的方法相比，它需要更多的输入参数才能实现可接受的拟合。
当然，世界经验表明，即使是如此简单的逻辑，也能在识别有限 数量的模式（验证码、图像等）时取得显著效果。但是，当你需要处理无穷无尽的模式（时间序列）时，你就会得到与文章中类似的结果。
如果我们的目标是让人们对应用于与 BP 无关的任务的 NS 产生兴趣，但仍以 BP 为例，那么这种方法就有些奇怪了。但也许您的文章是对 NS 最诚实的描述。可惜没有人看看源代码并理解这一点。为了满足内心的需要而讨论 NS 与 NS 的话题，这在文章的一些评论中得到了很好的体现。
有些人确实读了代码。从这篇文章对我个人有用的角度来看，我给它 100% 的评价。
即使从 "现代 "NS 的角度来看，这种方法仍然有存在的理由。
如果有些人看不到代码中的 + 和 * 操作，那我还能告诉他们什么呢......？这篇文章针对的是开发人员，而不是交易者（尤其是那些不了解买入止损的交易者）。
感谢作者。我把它添加到了我的收藏夹，因为我会多次重复阅读这些资料。
哦，我的激情是什么.....、神经元、基因、自然突变、人工复制、与染色体的殖民地）） 这是你需要知道多少才能理解，他们在经典上离婚，你不能简化？
如果你教了它，神经网络又能控制什么呢？ 或者我错过了什么？ 如果是这样，那就不值得为此花钱和费神了。
嗨，安德鲁、
感谢您提供一篇非常有趣的文章.....！很高兴看到如何将 MT5 与神经网络连接起来。您是否考虑过将您的神经网络示例与 MT4 连接起来？
MT4 有更大的用户群，这将鼓励更多的人欣赏您的精彩文章的真正内涵。
另外......我试着搜索 NeuroPro 试试看......但很难找到，而且看起来也没有多少支持？
您可以考虑使用一个名为 Neuroph 的免费神经网络程序...
http://neuroph.sourceforge.net/
Neuroph 是一款支持 Java 的较新程序，具有用户友好的图形用户界面，可用于构建和测试网络（无需编写任何代码）。实际上......Neuroph 看起来很像您发布的 NeuroPro 示例......因此转换希望会相当容易。
Neruoph 也适用于当前和旧版本的 Windows 系统，并且有 32 位或 64 位版本，适用于多核系统......因此，我没有读到任何兼容性问题。无论如何......我希望您能考虑撰写 Neuroph/MT4 的文章......那将是一个巨大的帮助
同时......感谢您提供了一篇内容丰富的文章，让我们看到了使用神经网络的多种可能性.....！
保重，罗伯特
干杯
Stu