Класс нейронной сети PNN - библиотека для MetaTrader 5

Класс CNetPNN реализует вероятностную нейронную сеть (Probabilistic Neural Network - PNN).

Создание сети объявляется параметрическим конструктором класса.

CNetPNN *net=new CNetPNN(размер входного вектора, количество классов(целей классификации));

Нумерация классов(целей классификации) начинается с нуля и должна быть непрерывна. Например, если задано 3 класса, то номера классов должны быть: 0, 1, 2.

Обучение сети осуществляется вызовом метода Learn(количество обучающих паттернов, массив входных данных, массив выходных данных, количество циклов обучения, допустимая ошибка обучения).

Входные и выходные обучающие данные располагаются в одномерных массивах, вектор за вектором. Для каждого входного обучающего вектора должен быть определен номер класса в выходных данных. Процесс обучения ограничивается, либо количеством эпох обучения,  либо допустимой ошибкой.

Метод Learn возвращает следующие значения:

•  0 - завершено обучение сети и результат обучения можно проверить через переменные класса: mse – ошибка обучения, epoch – количество пройденных  циклов обучения;
• -1 - несуществующий класс  в  выходных обучающих данных;
• -4 - недостаточно памяти. 

Для получения ответа сети служит метод Calculate(массив входного вектора). Метод Calculate возвращает номер класса, соответствующий входному вектору, или -1, если сеть не обучена.

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 топология сети, значение ошибки обучения и массивы весов. Если параметры топологии загружаемой сети отличаются от параметров топологии созданной сети, сеть не будет загружена и метод Load вернет false.

С применением данного класса можно ознакомиться в прилагаемом примере: Test_PNN_XOR - обучение сети функции "исключающее ИЛИ".