![Reti neurali economiche - Collega NeuroPro con MetaTrader 5](https://c.mql5.com/i/articles/overlay.png)
Reti neurali economiche - Collega NeuroPro con MetaTrader 5
A proposito di NeuroPro
Il programma NeuroPro è stato scritto in uno degli istituti russi nel 1998 ed è ancora rilevante.
Funziona in modo efficiente su Windows XP, Vista e Windows 7. Non saprei dire come funziona su versioni successive di Windows perché non l'ho testato.
Fig. 1. A proposito di NeuroPro
La versione 0.25 è gratuita e può essere trovata su molti siti Web su Internet. NeuroPro può creare reti neurali multistrato con la funzione di attivazione sigmoide. Se hai appena iniziato ad apprendere le reti neurali, non hai bisogno di conoscere altre funzionalità in questa fase. Va tenuto presente che l'interfaccia di NeuroPro è in russo e non è stata tradotta in altre lingue.
La rete neurale può essere addestrata su un array di dati e quindi testata su di un altro. È una caratteristica essenziale per i trader in quanto consente di capire rapidamente se la struttura di rete selezionata è soggetta a overfitting e se può operare costantemente al di fuori dei dati storici, ovvero su un conto reale.
Coloro che amano approfondire hanno l'opportunità di vedere i pesi della rete neurale e quali input di rete influenzano soprattutto il risultato del funzionamento della rete. I principianti non ne hanno bisogno e possono saltare questa parte del programma. Questa informazione è utile per i trader esperti che cercano il Graal perché consente loro di assumere quale schema è stato identificato dalla rete neurale e vedere dove possono continuare la loro ricerca.
Oltre a ciò, non ci sono funzionalità significative in NeuroPro tranne varie impostazioni e utili utilità come il riduttore della struttura di rete. Queste sezioni di menu non sono obbligatorie da usare, quindi i principianti non devono complicare le cose e utilizzare solo le impostazioni predefinite.
Dal punto di vista di un trader, NeuroPro ha un solo svantaggio: l'assenza di integrazione con MetaTrader 5. In realtà, questo articolo è principalmente dedicato al caricamento dei dati di mercato e degli indicatori da MetaTrader 5 a NeuroPro e quindi a trasformare la rete neurale ricevuta in un Expert in MQL5.
Avanzando nell'argomento, posso dire che la rete neurale che andremo a creare con NeuroPro verrà convertita con tutti i pesi dei neuroni in uno script MQL5 (a differenza del sistema di includere DLL come in qualsiasi altro programma di rete neurale). Garantirà un lavoro veloce e un utilizzo minimo delle risorse del computer. Questo è un chiaro vantaggio dell'utilizzo di NeuroPro. Può essere utilizzato per creare qualsiasi strategia di trading, anche per lo scalping con la richiesta che l'Expert prenda decisioni quasi immediatamente.
Strategia di trading
In questo articolo non prenderemo in considerazione lo scalping perché il processo di creazione, formazione e test di esperti di scalping ha molte peculiarità e va oltre questo articolo.
Per scopi didattici creeremo un semplice Expert per il timeframe H1 e la popolare coppia di valute EURUSD. Quindi, lascia che il nostro Expert analizzi le ultime 24 barre, ovvero il comportamento del mercato nell'ultimo giorno, preveda la direzione del movimento dei prezzi nell'ora successiva e poi trada in base a tali informazioni.
Come caricare i dati su NeuroPro da MetaTrader
Formato dati supportato
NeuroPro legge i dati solo nei formati DBMS (tabelle DBMS Paradox) e DBF (tabelle DBMS FoxPro e dBase). DBF è il formato più comune al mondo e se sei un programmatore Expert, devi averlo incontrato molte volte. Useremo anche questo formato.
L'algoritmo del trasferimento dei dati in NeuroPro si presenta come segue:
- scrivere uno script per MetaTrader, caricare i dati richiesti in un file di testo in formato CSV dividendo i dati con virgole;
- utilizzando programmi speciali, convertire CSV in DBF;
- aprire DBF in NeuroPro.
Caricamento dei dati da MetaTrader
Quando si scrive uno script di caricamento dei dati, è necessario prendere in considerazione alcune sfumature:
- un nome di campo dati in DBF non può essere più lungo di 11 simboli, inoltre alcuni convertitori li riducono a 10. Ecco perché i nomi dei campi non dovrebbero essere più lunghi di 10 simboli;
- nelle reti neurali con un gran numero di barre in ingresso, i nomi dei campi sono solitamente del tipo "BarN", dove N è un numero sequenziale della barra. Nel nostro caso i campi saranno 24 ei nomi di conseguenza varieranno da "Bar1" a "Bar24". Consiglio, anche se non è obbligatorio, di scrivere nomi di campi come "Bar___N__" (prima tre underscore e poi due). Più avanti, quando scriveremo l'Expert, capirai perché.
Di seguito è riportato uno script pronto per la nostra strategia di test (è anche allegato a questo articolo):
#property script_show_inputs //+------------------------------------------------------------------+ input string Export_FileName = "NeuroPro\\data.csv"; // File for export (in the "MQL5/Files" folder) input int Export_Bars_Skip = 0; // Number of historical bars to skip before export input int Export_Bars = 5000; // Number of lines for export //+------------------------------------------------------------------+ const int inputlen=24; // Number of past bars analyzed by the trading strategy //+------------------------------------------------------------------+ void OnStart() { //--- create a file int file=FileOpen(Export_FileName,FILE_WRITE|FILE_CSV|FILE_ANSI,','); if(file!=INVALID_HANDLE) { //--- write the data header string row="date"; for(int i=0; i<=inputlen; i++) { if(StringLen(row)) row+=","; //======================================================== // Note! // In the Expert substitute underscores for []. // A field name in the DBase format is no longer than 11 symbols. Calc reduces it down to 10. // Maximum number of fields in the DBase format is 128-512, depending on the version. //======================================================== StringConcatenate(row,row,"Bar___",i,"__"); } FileWrite(file,row); //--- copy required data from history MqlRates rates[],rate; int count=Export_Bars+inputlen; if(CopyRates(Symbol(),Period(),1+Export_Bars_Skip,count,rates)<count) { Print("Error! Insufficient historical data for exporting required data."); return; } ArraySetAsSeries(rates,true); //--- write down the data for(int bar=0; bar<Export_Bars; bar++) { row=""; //--- closing price of the 1st bar will be the zero level for normalization of others double zlevel=rates[bar+1].close; for(int i=0; i<=inputlen; i++) { if(StringLen(row)) row+=","; rate=rates[bar+i]; if(i==0) row+=TimeToString(rate.time,TIME_DATE || TIME_MINUTES)+","; row+=DoubleToString(rate.close-zlevel,Digits()); } FileWrite(file,row); } FileClose(file); Print("Data export successfully completed."); } else Print("Error! Failed to create a file for data export. ",GetLastError()); }
Ora avviamolo nel terminale. Al completamento con successo, inserirà un messaggio corrispondente al diario Expert.
Il file di dati creato dallo script contiene approssimativamente quanto segue.
Nella prima stringa ci sono i nomi dei campi della tabella; quindi segui le stringhe con i valori di quei campi divisi da virgole:
2014.09.25,-0.0008,0.0000,-0.0005,-0.0014,0.0007,0.0035,0.0035,0.0036,0.0047,0.0052,0.0050,0.0046,0.0046,0.0047,0.0049,0.0052,0.0049,0.0053,0.0055,0.0056,0.0067,0.0056,0.0097,0.0105,0.0113
2014.09.25,0.0005,0.0000,-0.0009,0.0012,0.0040,0.0040,0.0041,0.0052,0.0057,0.0055,0.0051,0.0051,0.0052,0.0054,0.0057,0.0054,0.0058,0.0060,0.0061,0.0072,0.0061,0.0102,0.0110,0.0118,0.0123
2014.09.25,0.0009,0.0000,0.0021,0.0049,0.0049,0.0050,0.0061,0.0066,0.0064,0.0060,0.0060,0.0061,0.0063,0.0066,0.0063,0.0067,0.0069,0.0070,0.0081,0.0070,0.0111,0.0119,0.0127,0.0132,0.0130
2014.09.25,-0.0021,0.0000,0.0028,0.0028,0.0029,0.0040,0.0045,0.0043,0.0039,0.0039,0.0040,0.0042,0.0045,0.0042,0.0046,0.0048,0.0049,0.0060,0.0049,0.0090,0.0098,0.0106,0.0111,0.0109,0.0122
Conversione da CSV a DBF
Ci sono molti modi per farlo.
- Microsoft Excel, versioni precedenti al 2007. Può aprire file CSV e anche salvare dati in formato DBF. Tieni presente che le versioni molto vecchie di Excel contengono solo 65535 stringhe. Detto questo, questa capacità è solitamente sufficiente per il trading in quanto questo volume può adattarsi a una storia di 10 anni del periodo H1;
- Microsoft Excel, versioni del 2007 e successive. Il salvataggio in DBF non è disponibile in essi. Un add-on che arricchisce Excel con questa funzionalità può essere trovato su Internet;
- Microsoft Access (programma del pacchetto Microsoft Office per lavorare con i database). Una tabella può essere creata in un database importando da un file di testo (CSV) e poi esportandola in un DBF;
- convertitori di utilità designati CSV-DBF. Ce ne sono molti e su Internet si possono trovare diverse marche, anche se la maggior parte è a pagamento;
- Calc dal pacchetto OpenOffice gratuito. Calc è quasi un analogo completo di Excel. Può aprire file CSV e salvarli in DBF.
Tutti i metodi di cui sopra sono intuitivi e dovrebbero essere abbastanza facili da usare.
Eseguirò la conversione in uno dei modi elencati. Userò l'ultimo perché NeuroPro è un programma gratuito e l'idea alla base di Calc gratuito è la più vicina ad essa. Puoi scaricare OpenOffice dal sito web ufficiale - http://www.openoffice.org/.
Processo di conversione.
- Avvia calcolo. Apri il nostro file di dati con l'estensione CSV.
- Calc avvierà la procedura guidata di riconoscimento dei dati.
- Specificare nei parametri della procedura guidata che i campi devono essere separati da virgole.
Un altro punto importante qui è un separatore delle parti intere e frazionarie del numero. Secondo le configurazioni sul mio computer ("START" > "Pannello di controllo" > "Lingua e standard regionali"), il punto viene utilizzato come separatore. Nel nostro file CSV usiamo anche dot. Affinché Calc possa leggere correttamente i numeri, è necessario specificare anche un separatore. Può essere fatto selezionando la lingua richiesta nelle impostazioni della procedura guidata di conversione. Seleziona una delle varianti della lingua inglese poiché il punto è un separatore standard lì.
Le impostazioni corrette della procedura guidata sono mostrate sullo screenshot:
Fig. 2. Configurazione della procedura guidata di importazione dal file CSV
Suggerimento: per saltare la selezione di una lingua ad ogni conversione di file CSV, è possibile impostarla come lingua predefinita nelle impostazioni di Calc: menu "Strumenti" > "Opzioni" e quindi come evidenziato in verde sullo screenshot:
Fig. 3. Configurazione delle impostazioni internazionali in Calc
4) Quindi, il file CSV è stato caricato e i dati vengono automaticamente inseriti nelle colonne:
Fig. 4. File CSV aperto con successo
5) Affinché i dati vengano scritti correttamente nel formato DBF è necessario specificarne il tipo e la precisione.
Per questo tutte le colonne con i numeri devono essere evidenziate e le proprietà corrispondenti devono essere assegnate come evidenziato in verde sullo screenshot:
Fig. 5. Impostare colonne con numeri
6) Salva in DBF: menu "File" > "Salva con nome". Nella finestra di dialogo selezionare il tipo di file "dBase (*.dbf)":
Fig. 6. Finestra di dialogo per salvare un file nel formato DBF
Quindi premere "Salva".
7) Calc chiederà di confermare il formato selezionato:
Fig. 7. Calc suggerisce di salvare un file nel formato ODF standard anziché DBF
Conferma la nostra scelta premendo il pulsante "Mantieni formato corrente".
8) Calc chiederà quale codifica utilizzare per i dati di testo nel file DBF. Poiché nel nostro esempio non sono presenti tali dati e i dati di testo sono comunque impossibili da utilizzare nelle reti neurali, è possibile specificare qualsiasi dato:
Fig. 8. Selezione della codifica del testo del file
Ora abbiamo un file con estensione DBF che contiene i dati ricevuti da MetaTrader necessari per la rete neurale.
Come creare e addestrare una rete neurale in NeuroPro
1) Avviare NeuroPro.
2) Creare un progetto funzionante: menu "File" > "Crea":
Fig. 9. Progetto vuoto creato
3) Nella finestra del progetto premere il pulsante "Apri file dati" e aprire il file DBF nella finestra di dialogo visualizzata:
Fig. 10. Il file DBF aperto per l'utilizzo con la futura rete neurale
4) Nella finestra del progetto cliccare su "Nuova rete". Nella finestra aperta ci sono due schede. Per prima cosa riempiremo la scheda "Ingressi e uscite".
Specificare nel campo "Bar___0__" che sarà il neurone di uscita della rete. Il resto dei campi "Bar___N__" sarà nominato come input:
Fig. 11. Configurazione degli ingressi e delle uscite della rete neurale
Possiamo anche specificare l'accuratezza richiesta per il neurone di uscita. Nel Forex è 1 punto cioè nel nostro caso è 0,0001.
5) Ora passiamo alla scheda "Struttura di rete". Qui è possibile specificare il numero di strati intermedi (esclusi i livelli di input e output) e il numero di neuroni in ciascuno di essi. In questo particolare esempio di apprendimento creeremo 3 livelli contenenti ciascuno 20 neuroni:
Fig. 12. Configurazione dei livelli della rete neurale
6) Premere il pulsante "Crea" e la rete è pronta per l'uso:
Fig. 13. Nel progetto è apparsa una rete neurale appena creata e configurata
7) Vai al menu "Rete neurale" > "Test", per vedere come una rete nuova e non addestrata sta affrontando la produzione di previsioni di prezzo.
Come hanno mostrato i risultati dei test, questa rete neurale non addestrata ha previsto un prezzo con una precisione specificata (con un errore non superiore a 1 punto) in meno del 5% dei casi. In media, un errore di previsione del prezzo era di circa 10 punti:
Fig. 14. Statistiche sull'accuratezza delle previsioni di reti neurali non addestrate
8) Ora dobbiamo addestrare la rete in base ai nostri dati.
Di nuovo, vai alla finestra del progetto e premi: "Rete neurale" > "Allenamento" nel menu. Apparirà un indicatore del progresso dell'apprendimento. Attendi la fine del processo:
Fig. 15. Indicatore del processo di apprendimento della rete neurale
9) Torna alla finestra del progetto e vai su "Rete neurale" > "Test".
La rete è notevolmente migliorata: la sua previsione dei prezzi era accurata nel 16% dei casi e l'errore medio di previsione era di 4 punti:
Fig. 16. Statistiche sull'accuratezza delle previsioni di una rete addestrata
La rete ha imparato alcune cose. Lo trasferiremo a MetaTrader.
Come trasferire una rete neurale da NeuroPro a MetaTrader 5
NeuroPro non sa nulla di MetaTrader 5 e non può passargli direttamente una rete neurale. Ho elaborato un modo semiautomatico per convertire una rete neurale in un frammento di codice MQL5.
A differenza di molti altri programmi di rete neurale, NeuroPro può mostrare la struttura della rete neurale in uso come testo. È un insieme di formule che descrivono in sequenza tutte le trasformazioni dei dati dal momento dell'input fino all'uscita dalla rete. Le formule includono ogni strato, ogni neurone, ogni connessione con valori di peso di connessione già sostituiti (addestrati).
Per vederlo, vai al menu "Rete neurale" > "Verbalizzazione". Nel nostro caso le formule sono le seguenti:
Fig. 17. Formule che determinano il lavoro della rete neurale addestrata
In realtà, l'insieme di queste formule può essere considerato come un codice sorgente di un programma scritto in un linguaggio di programmazione astratto. Tutto ciò che dobbiamo fare è modificare questo codice in modo che la sua sintassi corrisponda a MQL5. Queste modifiche possono essere apportate in qualsiasi editor di testo. Per automatizzare parzialmente questo processo, consiglio di utilizzare un editor in grado di eseguire una sostituzione di massa delle frasi. Si può fare in: Word, la sua versione gratuita Writer (dal pacchetto OpenOffice), Excel, Calc e persino Blocco note in Windows.
Sono sicuro che potresti cambiare tu stesso quelle formule in un codice MQL5, tuttavia condividerò la mia esperienza nell'ottimizzazione di questo processo in modo che tu possa farlo più velocemente.
Nel mio esempio userò Blocco note in Windows 7.
1) Quindi, abbiamo un progetto aperto in NeuroPro con la rete neurale addestrata. Andiamo su "Rete neurale" > "Verbalizzazione", dove si apre una finestra con le formule (vedi lo screenshot sopra).
2) Salvare il contenuto di questa finestra nel: menu "File" > "Salva con nome".
3) Ora apri questo file nel Blocco note.
4) Richiamare la funzione di sostituzione della frase: menu "Modifica" > "Sostituisci".
Elenco delle sostituzioni da effettuare:
Cosa sostituire? | Sostituisci con | Commento |
---|---|---|
___ | [ | triplo carattere di sottolineatura |
__ | ] | doppia sottolineatura |
-- | - - | due meno (deduzione di un numero negativo nelle formule) sono divisi da uno spazio perché un doppio meno in MQL (così come in altre lingue simili al C) può avere un doppio significato, il che porta a un errore di compilazione |
Sigmoid | Sigmoid | tradurre i nomi delle funzioni in caratteri latini (intendiamoci, il programma è in russo. Non è necessario farlo però perché MetaEditor supporta anche il cirillico) |
Syndrom | Sindrome | tradurre i nomi delle variabili in caratteri latini (di nuovo, non ha senso farlo poiché MetaEditor supporta anche il cirillico) |
Fig. 18. Sostituisci il trattino basso triplo con parentesi quadre
Utilizzare il pulsante "Sostituisci tutto" per eseguire la sostituzione.
Ora capisci che ho chiamato i campi dei prezzi "BAR___N__" per poter sostituire rapidamente i caratteri di sottolineatura con le parentesi quadre, ovvero presentare tutti gli input di rete come un array.
È più facile dichiarare un array e riempirlo con dati sui prezzi seriali che con un numero di singole variabili.
5) Come ho detto prima, l'enumerazione di tutti gli ingressi e le uscite deve essere modificata per dichiarare un array:
Prima | Dopo |
---|---|
Campi del database (sintomi iniziali): BAR[1] BAR[2] BAR[3] BAR[4] BAR[5] BAR[6] BAR[7] BAR[8] BAR[9] BAR[10] BAR[11] BAR[12] BAR[13] BAR[14] BAR[15] BAR[16] BAR[17] BAR[18] BAR[19] BAR[20] BAR[21] BAR[22] BAR[23] BAR[24]
Campi del database (sindromi finali): BAR[0] | double BAR [25]; |
6) Le funzioni di attivazione del neurone devono assomigliare alle funzioni del programma MQL5:
Prima | Dopo |
---|---|
Sigmoid1(A)=A/(0.1+|A|) Sigmoid2(A)=A/(0.1+|A|) Sigmoid3(A)=A/(0.1+|A|) | double Sigmoid1 (double A) { return A/(0.1 + MathAbs(A)); } double Sigmoid2 (double A) { return A/(0.1 + MathAbs(A)); } double Sigmoid3 (double A) { return A/(0.1 + MathAbs(A)); } |
7) Secondo le regole MQL5, un punto e virgola deve essere messo alla fine di tutte le formule, i commenti devono essere scritti correttamente (o cancellati) e la dichiarazione del tipo deve essere aggiunta a tutte le variabili inizializzate.
Nel nostro caso, il tipo non è stato dichiarato solo per i nomi dei neuroni negli strati intermedi. Utilizzeremo nuovamente la sostituzione di massa del testo invece di inserire manualmente la parola "doppio" per 60 volte. Dobbiamo evidenziare l'inizio di una stringa con un nome di neurone (deve essere evidenziato anche il margine all'inizio della stringa perché i nomi dei neuroni saranno usati anche nella parte destra delle formule e la parola "doppio" non avrà bisogno da inserire lì):
Fig. 19. Evidenziando il testo per la sostituzione
Dopo aver copiato la parte evidenziata del testo, inseriscila nella finestra di dialogo di sostituzione del testo per sostituirla con lo stesso testo e la parola "doppio" aggiunta ad essa:
Fig. 20. Aggiungi il nome del tipo alle variabili
Non dimenticare di premere il pulsante "Sostituisci tutto".
8) NeuroPro ha un piccolo bug. Se inserisci un valore costante nella rete neurale, nel formato testo la formula di normalizzazione di questo input conterrà la divisione per zero. Nel nostro caso "BAR___1__" è un tale input. Ha sempre degli zeri perché è il punto di riferimento per la normalizzazione delle nostre barre.
Idealmente, "BAR___1__" non dovrebbe essere inserito nella rete neurale poiché gli input con valori costanti non influenzano comunque la previsione. Tuttavia, se tale valore è stato inserito, la formula prodotta da NeuroPro dovrà essere modificata. Per evitare messaggi di errore dal compilatore, il "BAR___1__" dovrà essere sostituito con il valore che viene inserito in modo permanente qui. Nel nostro caso è zero:
Prima | Dopo |
---|---|
BAR[1]=(BAR[1]-0)/0; | BAR[1]=0; |
9) C'è un altro bug molto insignificante (lo sviluppatore di NeuroPro non pensava che una descrizione testuale di una rete neurale potesse essere utilizzata come codice di programma e quindi non l'ha verificata attentamente).
Nell'ultima formula alla fine c'è una parentesi chiusa in più. Questo bug è molto piccolo ma confonde il compilatore MetaEditor. Non punterà alla parentesi in più in quella stringa ma non prenderà una parentesi graffa in un'altra parte del programma. Si prega di tenerlo a mente in modo da poterlo rettificare quando si incontra.
Prima | Dopo |
---|---|
BAR[0]=((BAR[0]*0.0180000001564622)+0.000599999912083149)/2); | BAR[0]=((BAR[0]*0.0180000001564622)+0.000599999912083149)/2; |
Le operazioni descritte in questa sezione richiedono solo pochi minuti se praticate regolarmente. Non c'è bisogno di ricordare l'elenco alla lettera. Alla successiva compilazione MetaEditor indicherà le parti di codice non corrette come errori.
Infine, dopo aver portato tutte le formule nel formato MQL5, tutto ciò che dobbiamo fare è trasferire il codice risultante dal Blocco note al MetaEditor e aggiungere il resto del codice richiesto per l'Expert. Sicuramente, se usi regolarmente le reti neurali create in NeuroPro, questa fase sarà facile. Sostituirai semplicemente la rete neurale precedente nell'Expert esistente con un nuovo codice MQL5 di una rete neurale dal Blocco note. Ci vorrà letteralmente un minuto.
Il codice finale dell'Expert, completamente pronto per funzionare in MetaTrader 5 (puoi anche scaricare questo codice dall'applicazione a questo articolo):
input double Lots = 0.1; // Deal volume input double MinPrognosis = 0; // Open deals with a forecast more promising than the current one //+------------------------------------------------------------------+ const int inputlen=24; // Number of past bars analyzed by the trading strategy //+------------------------------------------------------------------+ double Sigmoid1(double A) { return A/(0.1 + MathAbs(A)); } //+------------------------------------------------------------------+ double Sigmoid2(double A) { return A/(0.1 + MathAbs(A)); } //+------------------------------------------------------------------+ double Sigmoid3(double A) { return A/(0.1 + MathAbs(A)); } //+------------------------------------------------------------------+ double CalcNeuroNet() { //--- get current quotes for neural network MqlRates rates[],rate; CopyRates(Symbol(),Period(),0,inputlen+1,rates); ArraySetAsSeries(rates,true); //--- neural network inputs double BAR[512]; // 512 - maximum permissible number of fields in the DBF format //--- fill the array of the neural network input data //--- closing price of the 1st bar will be the zero level for normalization of others double zlevel=rates[1].close; for(int bar=0; bar<=inputlen; bar++) { rate=rates[bar]; BAR[bar]=rate.close-zlevel; } //============================================== // Calculate the neural network with NeuroPro formulas //============================================== //--- preprocessing of the data base input fields for training the network: BAR[1]=0;//(BAR[1]-0)/0; BAR[2]=(BAR[2]- -0.0003)/0.009; BAR[3]=(BAR[3]-4.999992E-5)/0.01045; BAR[4]=(BAR[4]-0.0011)/0.011; BAR[5]=(BAR[5]-0.00285)/0.01335; BAR[6]=(BAR[6]-0.004050001)/0.01625; BAR[7]=(BAR[7]-0.00495)/0.01695; BAR[8]=(BAR[8]-0.0049)/0.0172; BAR[9]=(BAR[9]-0.0046)/0.0171; BAR[10]=(BAR[10]-0.00395)/0.01755; BAR[11]=(BAR[11]-0.0037)/0.0184; BAR[12]=(BAR[12]-0.0034)/0.0188; BAR[13]=(BAR[13]-0.0029)/0.0194; BAR[14]=(BAR[14]-0.002499999)/0.0196; BAR[15]=(BAR[15]-0.00245)/0.01935; BAR[16]=(BAR[16]-0.00275)/0.01925; BAR[17]=(BAR[17]-0.0028)/0.0194; BAR[18]=(BAR[18]-0.002950001)/0.01965; BAR[19]=(BAR[19]-0.002649999)/0.01965; BAR[20]=(BAR[20]-0.002699999)/0.0197; BAR[21]=(BAR[21]-0.00275)/0.01945; BAR[22]=(BAR[22]-0.00225)/0.01955; BAR[23]=(BAR[23]-0.0019)/0.0195; BAR[24]=(BAR[24]-0.00225)/0.01935; //--- syndromes of the 1st level: double Syndrome1_1=Sigmoid1( 0.07165167*BAR[1]-0.08914512*BAR[2]+0.160242*BAR[3]-0.1136391*BAR[4]+0.01358515*BAR[5]+0.3755009*BAR[6]-0.1433693*BAR[7]+0.224411*BAR[8]+0.03298632*BAR[9]-0.2551045*BAR[10]-0.1418581*BAR[11]+0.007130164*BAR[12]-0.08727393*BAR[13]-0.2567087*BAR[14]+0.1118081*BAR[15]+0.73848*BAR[16]+0.05880548*BAR[17]-0.1544689*BAR[18]+0.192913*BAR[19]-0.1743894*BAR[20]-0.2184512*BAR[21]-0.2290305*BAR[22]+0.3946579*BAR[23]-0.02947071*BAR[24]-0.08091708 ); double Syndrome1_2=Sigmoid1( -0.08248464*BAR[1]+0.3076621*BAR[2]-0.0500868*BAR[3]-0.6526818*BAR[4]+0.04266862*BAR[5]+0.581119*BAR[6]-0.0356447*BAR[7]+0.0292943*BAR[8]-0.3660156*BAR[9]-0.3244759*BAR[10]+0.05519342*BAR[11]+0.2419113*BAR[12]-0.2178954*BAR[13]+0.4037299*BAR[14]-0.1593139*BAR[15]+0.3567515*BAR[16]+0.08094382*BAR[17]-0.01788837*BAR[18]-0.379636*BAR[19]+0.6658992*BAR[20]-0.1899142*BAR[21]+0.02259956*BAR[22]+0.767949*BAR[23]-0.5380562*BAR[24]-0.06307755 ); double Syndrome1_3=Sigmoid1( -0.08426282*BAR[1]-0.172721*BAR[2]+0.1749717*BAR[3]-0.07916483*BAR[4]-0.0523758*BAR[5]+0.1935233*BAR[6]+0.01627235*BAR[7]+0.1254414*BAR[8]-0.1101555*BAR[9]-0.02285305*BAR[10]-0.14389*BAR[11]+0.1788775*BAR[12]-0.007144043*BAR[13]+0.1925385*BAR[14]-0.08001231*BAR[15]-0.2021703*BAR[16]+0.08694438*BAR[17]+0.3090158*BAR[18]-0.3330302*BAR[19]+0.2519112*BAR[20]-0.2170611*BAR[21]-0.2216277*BAR[22]+0.09618518*BAR[23]+0.049888*BAR[24]-0.06465426 ); double Syndrome1_4=Sigmoid1( 0.02806905*BAR[1]+0.07787746*BAR[2]+0.1972721*BAR[3]-0.247464*BAR[4]-0.008635854*BAR[5]-0.1975036*BAR[6]-0.0652089*BAR[7]-0.1276176*BAR[8]-0.3386112*BAR[9]-0.103951*BAR[10]+0.08352495*BAR[11]-0.1821419*BAR[12]-0.05604611*BAR[13]-0.05922695*BAR[14]-0.1670811*BAR[15]+0.002476109*BAR[16]-0.03657883*BAR[17]-0.09295338*BAR[18]+0.2500353*BAR[19]-0.03980102*BAR[20]+0.1059941*BAR[21]-0.4037244*BAR[22]-0.08735184*BAR[23]+0.1546644*BAR[24]+0.1966186 ); double Syndrome1_5=Sigmoid1( 0.03832016*BAR[1]-0.09065858*BAR[2]+0.2356484*BAR[3]-0.2436682*BAR[4]+0.09812659*BAR[5]+0.09220826*BAR[6]+0.434221*BAR[7]-0.005478878*BAR[8]-0.1657191*BAR[9]-0.2605299*BAR[10]+0.3523667*BAR[11]+0.3595579*BAR[12]+0.3402678*BAR[13]-0.3346431*BAR[14]+0.1215327*BAR[15]-0.1869196*BAR[16]+0.07256371*BAR[17]-0.09229603*BAR[18]-0.09961994*BAR[19]+0.2491707*BAR[20]+0.3703756*BAR[21]+0.1369175*BAR[22]+0.0560869*BAR[23]-0.007567503*BAR[24]-0.01722363 ); double Syndrome1_6=Sigmoid1( -0.06897662*BAR[1]-0.4182717*BAR[2]+0.200378*BAR[3]-0.4152234*BAR[4]-0.2081593*BAR[5]+0.3120443*BAR[6]-0.1582431*BAR[7]+0.1900958*BAR[8]+0.002503331*BAR[9]+0.02297609*BAR[10]+0.03145982*BAR[11]+0.1816629*BAR[12]+0.1854629*BAR[13]-0.1660063*BAR[14]+0.3112128*BAR[15]-0.4799304*BAR[16]-0.100519*BAR[17]-0.1523588*BAR[18]+0.07141552*BAR[19]+0.2336634*BAR[20]+0.01279082*BAR[21]-0.2179644*BAR[22]+0.4898897*BAR[23]-0.1818153*BAR[24]-0.1783737 ); double Syndrome1_7=Sigmoid1( -0.003986856*BAR[1]-0.3409385*BAR[2]-0.3122248*BAR[3]+0.5656545*BAR[4]+0.07564658*BAR[5]+0.07956024*BAR[6]+0.1820322*BAR[7]-0.05595554*BAR[8]+0.1027963*BAR[9]+0.2596273*BAR[10]+0.1156801*BAR[11]+0.04490443*BAR[12]+0.1426405*BAR[13]+0.06763341*BAR[14]-0.03249188*BAR[15]-0.1912978*BAR[16]-0.2003477*BAR[17]-0.2413947*BAR[18]+0.3188735*BAR[19]-0.2899658*BAR[20]+0.06846272*BAR[21]+0.08726751*BAR[22]-0.2134383*BAR[23]-0.436768*BAR[24]+0.08075105 ); double Syndrome1_8=Sigmoid1( 0.05597013*BAR[1]+0.3358757*BAR[2]+0.1041476*BAR[3]-0.334706*BAR[4]-0.07069201*BAR[5]+0.06152828*BAR[6]+0.1577689*BAR[7]+0.1737777*BAR[8]-0.7711719*BAR[9]-0.2970988*BAR[10]+0.06691784*BAR[11]+0.0528774*BAR[12]+0.06260363*BAR[13]+0.2449201*BAR[14]-0.3098814*BAR[15]+0.06859511*BAR[16]+0.1355444*BAR[17]-0.15844*BAR[18]+0.2791151*BAR[19]-0.412524*BAR[20]+0.228981*BAR[21]-0.4042732*BAR[22]+0.197847*BAR[23]+0.477078*BAR[24]-0.2478239 ); double Syndrome1_9=Sigmoid1( 0.02181781*BAR[1]-0.1042198*BAR[2]-0.02412975*BAR[3]+0.1485616*BAR[4]+0.07645424*BAR[5]-0.02779776*BAR[6]-0.1519209*BAR[7]-0.1878287*BAR[8]+0.1637603*BAR[9]+0.248636*BAR[10]+0.2032469*BAR[11]-0.03869069*BAR[12]+0.02014448*BAR[13]-0.2079489*BAR[14]+0.08846121*BAR[15]+0.1025348*BAR[16]+0.01593455*BAR[17]-0.4964754*BAR[18]+0.1635097*BAR[19]-0.04561989*BAR[20]-0.0662128*BAR[21]-0.2423395*BAR[22]+0.2898602*BAR[23]+0.03824728*BAR[24]-0.07471437 ); double Syndrome1_10=Sigmoid1( -0.02918137*BAR[1]+0.06085975*BAR[2]-0.3056079*BAR[3]-0.5144019*BAR[4]-0.1966296*BAR[5]+0.04413594*BAR[6]+0.03249943*BAR[7]+0.08405613*BAR[8]-0.08797813*BAR[9]+0.06621616*BAR[10]-0.2226632*BAR[11]-0.1000158*BAR[12]+0.0106046*BAR[13]-0.1383344*BAR[14]+0.05141285*BAR[15]-0.1009147*BAR[16]-0.1503479*BAR[17]+0.2877283*BAR[18]-0.2209365*BAR[19]+0.1310906*BAR[20]-0.1188305*BAR[21]-0.002668453*BAR[22]+0.1106755*BAR[23]+0.3884961*BAR[24]+0.0006983803 ); double Syndrome1_11=Sigmoid1( -0.04872056*BAR[1]-0.5066758*BAR[2]+0.08158222*BAR[3]+0.2647052*BAR[4]+0.3632542*BAR[5]+0.4538754*BAR[6]-0.1346472*BAR[7]+0.16742*BAR[8]+0.2974689*BAR[9]+0.3446769*BAR[10]-0.2784187*BAR[11]+0.2461497*BAR[12]-0.166853*BAR[13]-0.4296628*BAR[14]+0.7343794*BAR[15]+0.2154892*BAR[16]-0.4086125*BAR[17]-0.6446049*BAR[18]-0.5614476*BAR[19]-0.593914*BAR[20]+0.5039462*BAR[21]+0.113933*BAR[22]+0.3599374*BAR[23]-0.5517*BAR[24]+0.1249064 ); double Syndrome1_12=Sigmoid1( -0.09035824*BAR[1]-0.2619464*BAR[2]+0.5151641*BAR[3]+0.08415102*BAR[4]+0.007849894*BAR[5]-0.3585253*BAR[6]-0.3458216*BAR[7]-0.006490127*BAR[8]+0.1933572*BAR[9]+0.1655464*BAR[10]-0.2591909*BAR[11]+0.2810482*BAR[12]-0.3552095*BAR[13]+0.1032239*BAR[14]-0.2380441*BAR[15]-0.6082169*BAR[16]-0.3652177*BAR[17]+0.4065064*BAR[18]-0.1538232*BAR[19]-0.03332642*BAR[20]+0.06235149*BAR[21]-0.08935639*BAR[22]-0.2274701*BAR[23]+0.2350571*BAR[24]-0.1009272 ); double Syndrome1_13=Sigmoid1( -0.05370994*BAR[1]+0.2999545*BAR[2]-0.2855853*BAR[3]+0.1123754*BAR[4]+0.2561198*BAR[5]-0.2846766*BAR[6]+0.008345681*BAR[7]+0.1896221*BAR[8]-0.1973753*BAR[9]+0.3510076*BAR[10]+0.4492245*BAR[11]-0.09004608*BAR[12]+0.002758034*BAR[13]+0.03157447*BAR[14]+0.02175433*BAR[15]-0.399723*BAR[16]-0.2736914*BAR[17]+0.1198452*BAR[18]+0.2808644*BAR[19]-0.06968442*BAR[20]-0.5771574*BAR[21]+0.3748633*BAR[22]-0.2721373*BAR[23]-0.2329663*BAR[24]+0.07683773 ); double Syndrome1_14=Sigmoid1( 0.094418*BAR[1]+0.2155959*BAR[2]-0.4787674*BAR[3]+0.3605456*BAR[4]+0.06799955*BAR[5]+0.607367*BAR[6]-0.3518007*BAR[7]+0.1633829*BAR[8]+0.3040094*BAR[9]+0.3707297*BAR[10]+0.02556368*BAR[11]-0.0885786*BAR[12]-0.3713907*BAR[13]-0.2014098*BAR[14]-0.289242*BAR[15]-0.09950806*BAR[16]-0.5361071*BAR[17]+0.4154459*BAR[18]+0.02827369*BAR[19]-0.04972957*BAR[20]-0.1700879*BAR[21]+0.2973098*BAR[22]-0.2097459*BAR[23]-0.0422597*BAR[24]+0.2318914 ); double Syndrome1_15=Sigmoid1( 0.02161242*BAR[1]+0.5484816*BAR[2]+0.002152426*BAR[3]-0.3017516*BAR[4]+0.02010602*BAR[5]-0.8008425*BAR[6]-0.2985114*BAR[7]+0.5151479*BAR[8]+0.1572166*BAR[9]-0.04494689*BAR[10]+0.2529401*BAR[11]-0.02046412*BAR[12]-0.05892481*BAR[13]-0.1359019*BAR[14]-0.2005993*BAR[15]+0.03077302*BAR[16]+0.745619*BAR[17]-0.4197147*BAR[18]-0.1354882*BAR[19]-0.6034228*BAR[20]-0.04950687*BAR[21]-0.1093793*BAR[22]-0.46851*BAR[23]+0.2340346*BAR[24]-0.1910115 ); double Syndrome1_16=Sigmoid1( 0.06201033*BAR[1]+0.2311719*BAR[2]-0.6587076*BAR[3]-0.1937433*BAR[4]-0.3063492*BAR[5]+0.0458253*BAR[6]+0.2621455*BAR[7]-0.3292437*BAR[8]-0.07124191*BAR[9]+0.03962434*BAR[10]-0.03539502*BAR[11]+0.1602975*BAR[12]+0.1252141*BAR[13]-0.1939677*BAR[14]-0.3524359*BAR[15]-0.02675135*BAR[16]-0.1550312*BAR[17]+0.2015329*BAR[18]-0.1383009*BAR[19]+0.3079963*BAR[20]+0.06971535*BAR[21]-0.2415089*BAR[22]-0.03791533*BAR[23]+0.01494107*BAR[24]+0.01395546 ); double Syndrome1_17=Sigmoid1( -0.03211073*BAR[1]-0.2057187*BAR[2]-0.2208917*BAR[3]+0.1034868*BAR[4]+0.003785761*BAR[5]-0.1510143*BAR[6]-0.04637882*BAR[7]-0.01963908*BAR[8]-0.3622932*BAR[9]+0.03135398*BAR[10]-0.1296021*BAR[11]-0.2571803*BAR[12]+0.02485986*BAR[13]-0.05831699*BAR[14]+0.2441404*BAR[15]+0.4313999*BAR[16]-0.05117986*BAR[17]-0.06832605*BAR[18]-0.01433043*BAR[19]-0.3331767*BAR[20]-0.09270683*BAR[21]+0.1077102*BAR[22]+0.0517161*BAR[23]+0.1463209*BAR[24]+0.08033083 ); double Syndrome1_18=Sigmoid1( -0.01044874*BAR[1]+0.8255618*BAR[2]-0.3581862*BAR[3]+0.2379437*BAR[4]-0.05247816*BAR[5]+0.3858318*BAR[6]-0.04216846*BAR[7]+0.2305764*BAR[8]-0.2754549*BAR[9]+0.1255125*BAR[10]-0.1954638*BAR[11]+0.04934186*BAR[12]-0.08713531*BAR[13]+0.08193728*BAR[14]-0.01578137*BAR[15]+0.04301662*BAR[16]-0.01941852*BAR[17]+0.0321704*BAR[18]-0.4490997*BAR[19]-0.2165072*BAR[20]+0.5094138*BAR[21]-0.08077756*BAR[22]-0.1167052*BAR[23]+0.008337143*BAR[24]-0.1847742 ); double Syndrome1_19=Sigmoid1( 0.07863438*BAR[1]+0.6541001*BAR[2]-0.0287532*BAR[3]-0.07992863*BAR[4]-0.1936443*BAR[5]+0.2021953*BAR[6]+0.5814793*BAR[7]+0.1076662*BAR[8]-0.2505759*BAR[9]-0.1958519*BAR[10]+0.2982949*BAR[11]-0.130183*BAR[12]-0.2418064*BAR[13]-0.03213368*BAR[14]-0.1050228*BAR[15]-0.04116086*BAR[16]+0.1059578*BAR[17]-0.09407587*BAR[18]+0.2511382*BAR[19]+0.03090675*BAR[20]-0.2050715*BAR[21]+0.07968493*BAR[22]-0.1085312*BAR[23]-0.3073632*BAR[24]+0.1479857 ); double Syndrome1_20=Sigmoid1( 0.01779699*BAR[1]+0.1517631*BAR[2]+0.1832252*BAR[3]+0.4329565*BAR[4]-0.1528609*BAR[5]-0.2424133*BAR[6]+0.1942621*BAR[7]+0.1390828*BAR[8]-0.3387062*BAR[9]+0.3891163*BAR[10]+0.3485644*BAR[11]+0.06489421*BAR[12]-0.01458877*BAR[13]-0.1127466*BAR[14]+0.1122861*BAR[15]-0.1973242*BAR[16]+0.4340822*BAR[17]-0.633949*BAR[18]+0.1276167*BAR[19]+0.2476585*BAR[20]-0.4445719*BAR[21]+0.6248969*BAR[22]-0.2169943*BAR[23]-0.501359*BAR[24]-0.1358235 ); //--- syndromes of the 2nd level: double Syndrome2_1=Sigmoid2( 0.2332734*Syndrome1_1-0.2002641*Syndrome1_2-0.03174414*Syndrome1_3-0.3868614*Syndrome1_4-0.1933812*Syndrome1_5-0.2366997*Syndrome1_6+0.3920829*Syndrome1_7+0.1015497*Syndrome1_8-0.1333193*Syndrome1_9+0.05584235*Syndrome1_10-0.2983295*Syndrome1_11+0.1034668*Syndrome1_12-0.4040487*Syndrome1_13-0.2103508*Syndrome1_14-0.2480657*Syndrome1_15-0.1906435*Syndrome1_16+0.2692898*Syndrome1_17+0.2760854*Syndrome1_18-0.1738693*Syndrome1_19-0.1861307*Syndrome1_20-0.07152162 ); double Syndrome2_2=Sigmoid2( -0.1242675*Syndrome1_1+0.05587832*Syndrome1_2+0.1567961*Syndrome1_3+0.1077346*Syndrome1_4-0.2112047*Syndrome1_5+0.04008683*Syndrome1_6-0.1716478*Syndrome1_7+0.3083204*Syndrome1_8-0.1864694*Syndrome1_9+0.08867304*Syndrome1_10-0.06801239*Syndrome1_11-0.1810985*Syndrome1_12-0.05133555*Syndrome1_13+0.2981661*Syndrome1_14-0.01543425*Syndrome1_15-0.1859617*Syndrome1_16+0.027973*Syndrome1_17-0.1715439*Syndrome1_18-0.1249511*Syndrome1_19+0.5925598*Syndrome1_20-0.279602 ); double Syndrome2_3=Sigmoid2( -0.4745722*Syndrome1_1-0.1248492*Syndrome1_2-0.1128288*Syndrome1_3+0.1485692*Syndrome1_4-0.3948999*Syndrome1_5+0.2633227*Syndrome1_6-0.2046695*Syndrome1_7-0.03632757*Syndrome1_8+0.259578*Syndrome1_9-0.07442582*Syndrome1_10+0.06552354*Syndrome1_11-0.2452848*Syndrome1_12-0.1599011*Syndrome1_13+0.1749917*Syndrome1_14-0.07113215*Syndrome1_15-0.1524421*Syndrome1_16+0.3606906*Syndrome1_17+0.3524929*Syndrome1_18+0.1315838*Syndrome1_19+0.1981817*Syndrome1_20+0.0126604 ); double Syndrome2_4=Sigmoid2( -0.3605324*Syndrome1_1+0.2803221*Syndrome1_2+0.07412126*Syndrome1_3+0.2101911*Syndrome1_4-0.1933928*Syndrome1_5-0.2068641*Syndrome1_6+0.1302721*Syndrome1_7+0.04962961*Syndrome1_8+0.2879501*Syndrome1_9-0.04214102*Syndrome1_10-0.02194729*Syndrome1_11-0.0501424*Syndrome1_12+0.007969459*Syndrome1_13+0.1151657*Syndrome1_14+0.04063402*Syndrome1_15+0.1461606*Syndrome1_16-0.07482237*Syndrome1_17-0.3319329*Syndrome1_18+0.2494595*Syndrome1_19-0.09345333*Syndrome1_20-0.1831799 ); double Syndrome2_5=Sigmoid2( -0.03081687*Syndrome1_1-0.419345*Syndrome1_2-0.01301429*Syndrome1_3+0.008855551*Syndrome1_4+0.2869771*Syndrome1_5+0.06881366*Syndrome1_6-0.1612982*Syndrome1_7-0.491662*Syndrome1_8+0.04266098*Syndrome1_9-0.7546657*Syndrome1_10+0.0472151*Syndrome1_11-0.5099863*Syndrome1_12+0.1196823*Syndrome1_13+0.2611973*Syndrome1_14-0.0241531*Syndrome1_15-0.5843646*Syndrome1_16+0.08374172*Syndrome1_17+0.041931*Syndrome1_18-0.181801*Syndrome1_19+0.6314354*Syndrome1_20+0.2967799 ); double Syndrome2_6=Sigmoid2( 0.2783457*Syndrome1_1+0.05858535*Syndrome1_2+0.03348543*Syndrome1_3-0.09202126*Syndrome1_4+0.09466362*Syndrome1_5-0.01946918*Syndrome1_6-0.008507644*Syndrome1_7+0.1967683*Syndrome1_8-0.1593684*Syndrome1_9+0.2202749*Syndrome1_10-0.2754305*Syndrome1_11-0.08108314*Syndrome1_12+0.1606592*Syndrome1_13+0.03723634*Syndrome1_14+0.3494412*Syndrome1_15-0.139782*Syndrome1_16+0.03641316*Syndrome1_17-0.1216527*Syndrome1_18-0.2194063*Syndrome1_19+0.3015033*Syndrome1_20-0.1307777 ); double Syndrome2_7=Sigmoid2( -0.1451617*Syndrome1_1-0.1851998*Syndrome1_2-0.2149245*Syndrome1_3-0.05804037*Syndrome1_4-0.03970402*Syndrome1_5+2.506166E-6*Syndrome1_6+0.223578*Syndrome1_7-0.1718342*Syndrome1_8+0.001228896*Syndrome1_9-0.03911417*Syndrome1_10+0.3167912*Syndrome1_11+0.2213001*Syndrome1_12-0.3518667*Syndrome1_13-0.6146168*Syndrome1_14-0.1061097*Syndrome1_15-0.3044312*Syndrome1_16-0.04269538*Syndrome1_17-0.1753355*Syndrome1_18+0.1989161*Syndrome1_19-0.3667244*Syndrome1_20+0.2514035 ); double Syndrome2_8=Sigmoid2( -0.1430153*Syndrome1_1-Syndrome1_2+0.02704678*Syndrome1_3+0.09941091*Syndrome1_4+0.07057924*Syndrome1_5-0.3370984*Syndrome1_6+0.1565579*Syndrome1_7-0.6226992*Syndrome1_8-0.4750121*Syndrome1_9+0.0914355*Syndrome1_10+0.7518402*Syndrome1_11-0.3350138*Syndrome1_12-0.3099903*Syndrome1_13+0.01266479*Syndrome1_14-0.7965527*Syndrome1_15-0.1753905*Syndrome1_16-0.1435609*Syndrome1_17+0.1683903*Syndrome1_18+0.1800467*Syndrome1_19+0.02699256*Syndrome1_20+0.3138063 ); double Syndrome2_9=Sigmoid2( -0.2611458*Syndrome1_1-0.03994129*Syndrome1_2-0.2299157*Syndrome1_3+0.3549923*Syndrome1_4-0.001759748*Syndrome1_5-0.1117837*Syndrome1_6+0.03037107*Syndrome1_7+0.2023677*Syndrome1_8+0.2628252*Syndrome1_9+0.09683131*Syndrome1_10+0.2576693*Syndrome1_11-0.06357097*Syndrome1_12-0.2162403*Syndrome1_13-0.2190126*Syndrome1_14-0.1675369*Syndrome1_15-0.2458067*Syndrome1_16-0.06660707*Syndrome1_17-0.2096998*Syndrome1_18+0.2432118*Syndrome1_19+0.06210691*Syndrome1_20+0.1555794 ); double Syndrome2_10=Sigmoid2( 0.1120118*Syndrome1_1-0.09789048*Syndrome1_2-0.1146162*Syndrome1_3-0.02268722*Syndrome1_4-0.4754501*Syndrome1_5+0.1567527*Syndrome1_6+0.4281512*Syndrome1_7+0.1428995*Syndrome1_8+0.4317052*Syndrome1_9-0.1987304*Syndrome1_10-0.3471439*Syndrome1_11-0.2485701*Syndrome1_12+0.2200699*Syndrome1_13-0.1804247*Syndrome1_14+0.5553524*Syndrome1_15+0.004284344*Syndrome1_16-0.5408193*Syndrome1_17-0.2304406*Syndrome1_18+0.2462995*Syndrome1_19+0.1687378*Syndrome1_20+0.480715 ); double Syndrome2_11=Sigmoid2( 0.2892572*Syndrome1_1+0.2819389*Syndrome1_2-0.2116477*Syndrome1_3-0.1031269*Syndrome1_4-0.2198152*Syndrome1_5-0.2882532*Syndrome1_6-0.7462316*Syndrome1_7+0.7820893*Syndrome1_8-0.05574411*Syndrome1_9-0.1144354*Syndrome1_10-0.1073154*Syndrome1_11+0.5092962*Syndrome1_12-0.07017706*Syndrome1_13-0.5550667*Syndrome1_14-0.5170746*Syndrome1_15-0.1299864*Syndrome1_16+0.03325708*Syndrome1_17-0.5107772*Syndrome1_18+0.04024922*Syndrome1_19+0.1836878*Syndrome1_20+0.0346345 ); double Syndrome2_12=Sigmoid2( -0.10614*Syndrome1_1+0.06027444*Syndrome1_2+0.08108542*Syndrome1_3-0.1568731*Syndrome1_4+0.1509192*Syndrome1_5-0.1630516*Syndrome1_6+0.01426157*Syndrome1_7+0.02186926*Syndrome1_8+0.1099893*Syndrome1_9-0.02269597*Syndrome1_10-0.04576464*Syndrome1_11-0.161096*Syndrome1_12-0.1901706*Syndrome1_13-0.02513908*Syndrome1_14+0.1317106*Syndrome1_15-0.06866668*Syndrome1_16+0.1083753*Syndrome1_17+0.1449683*Syndrome1_18+0.006118122*Syndrome1_19+0.1255394*Syndrome1_20-0.3822223 ); double Syndrome2_13=Sigmoid2( -0.01638931*Syndrome1_1+0.1172011*Syndrome1_2-0.1022018*Syndrome1_3+0.1098846*Syndrome1_4+0.3456185*Syndrome1_5-0.276273*Syndrome1_6-0.1697723*Syndrome1_7-0.1394644*Syndrome1_8+0.0530486*Syndrome1_9+0.04139024*Syndrome1_10-0.02131393*Syndrome1_11+0.1144992*Syndrome1_12-0.1791101*Syndrome1_13+0.124498*Syndrome1_14+0.2169005*Syndrome1_15+0.06764794*Syndrome1_16+0.3542189*Syndrome1_17+0.0647957*Syndrome1_18+0.01778502*Syndrome1_19-0.0183728*Syndrome1_20-0.09863564 ); double Syndrome2_14=Sigmoid2( 0.1046498*Syndrome1_1+0.1199886*Syndrome1_2-0.3787079*Syndrome1_3+0.568437*Syndrome1_4-0.09216721*Syndrome1_5-0.07998162*Syndrome1_6-0.1422648*Syndrome1_7-0.220407*Syndrome1_8+0.00417607*Syndrome1_9+0.2042087*Syndrome1_10+0.2614584*Syndrome1_11+0.04491196*Syndrome1_12+0.1860093*Syndrome1_13-0.1642074*Syndrome1_14+0.3918036*Syndrome1_15+0.05427575*Syndrome1_16-0.0002294437*Syndrome1_17+0.008295977*Syndrome1_18-0.2818146*Syndrome1_19-0.3877438*Syndrome1_20+0.03536745 ); double Syndrome2_15=Sigmoid2( -0.1754033*Syndrome1_1-0.0528489*Syndrome1_2-0.1744897*Syndrome1_3+0.1113354*Syndrome1_4+0.1185713*Syndrome1_5-0.0231303*Syndrome1_6+0.006316248*Syndrome1_7-0.08525342*Syndrome1_8+0.1568578*Syndrome1_9+0.2965699*Syndrome1_10+0.2781587*Syndrome1_11+0.2391527*Syndrome1_12-0.08555941*Syndrome1_13-0.2362186*Syndrome1_14+0.1128907*Syndrome1_15-0.04770778*Syndrome1_16-0.0139725*Syndrome1_17+0.1079882*Syndrome1_18-0.09141354*Syndrome1_19+0.3320866*Syndrome1_20-0.3015116 ); double Syndrome2_16=Sigmoid2( 0.1962015*Syndrome1_1+0.0192374*Syndrome1_2-0.1578716*Syndrome1_3+0.03360523*Syndrome1_4+0.04818176*Syndrome1_5+0.2462966*Syndrome1_6-0.2103649*Syndrome1_7+0.01318523*Syndrome1_8-0.09349868*Syndrome1_9+0.08476428*Syndrome1_10-0.06272572*Syndrome1_11+0.2246324*Syndrome1_12+0.2539908*Syndrome1_13-0.2059217*Syndrome1_14-0.08641216*Syndrome1_15-0.09780023*Syndrome1_16+0.0005770256*Syndrome1_17-0.2842666*Syndrome1_18-0.05383059*Syndrome1_19-0.2822465*Syndrome1_20+0.2277268 ); double Syndrome2_17=Sigmoid2( 0.5981864*Syndrome1_1+0.5172131*Syndrome1_2-0.2310352*Syndrome1_3-0.1814138*Syndrome1_4-0.2148922*Syndrome1_5+0.562911*Syndrome1_6+0.5865576*Syndrome1_7-0.2790301*Syndrome1_8-0.3841165*Syndrome1_9+0.3223535*Syndrome1_10+0.2096305*Syndrome1_11+0.08284206*Syndrome1_12+0.7050048*Syndrome1_13+0.4129859*Syndrome1_14+0.2116682*Syndrome1_15+0.2213966*Syndrome1_16-0.1637594*Syndrome1_17+0.1191863*Syndrome1_18-0.6626714*Syndrome1_19-0.9127383*Syndrome1_20-0.1505798 ); double Syndrome2_18=Sigmoid2( -0.008298698*Syndrome1_1-0.1847953*Syndrome1_2-0.1930849*Syndrome1_3-0.1005524*Syndrome1_4+0.0737519*Syndrome1_5+0.04218475*Syndrome1_6-0.422835*Syndrome1_7+0.06019862*Syndrome1_8-0.2056148*Syndrome1_9+0.3398327*Syndrome1_10-0.2526269*Syndrome1_11-0.06098709*Syndrome1_12-0.1447722*Syndrome1_13-0.05216306*Syndrome1_14-0.09496115*Syndrome1_15+0.2071376*Syndrome1_16+0.03088453*Syndrome1_17-0.521363*Syndrome1_18-0.06449924*Syndrome1_19-0.4105364*Syndrome1_20+0.3204305 ); double Syndrome2_19=Sigmoid2( -0.1376712*Syndrome1_1-0.0153131*Syndrome1_2+0.04377801*Syndrome1_3+0.08896239*Syndrome1_4+0.03197494*Syndrome1_5-0.02259021*Syndrome1_6+0.008662836*Syndrome1_7-0.1961185*Syndrome1_8-0.0720102*Syndrome1_9+0.05738823*Syndrome1_10-0.004060962*Syndrome1_11-0.3752605*Syndrome1_12+0.02065136*Syndrome1_13+0.1263955*Syndrome1_14-0.05906902*Syndrome1_15+0.4029721*Syndrome1_16-0.159444*Syndrome1_17-0.1619136*Syndrome1_18+0.3338208*Syndrome1_19-0.0656369*Syndrome1_20+0.1602566 ); double Syndrome2_20=Sigmoid2( -0.003900121*Syndrome1_1+0.3159288*Syndrome1_2+0.2550703*Syndrome1_3+0.05409481*Syndrome1_4+0.06660215*Syndrome1_5-0.1948439*Syndrome1_6-0.370153*Syndrome1_7+0.5337713*Syndrome1_8-0.06716464*Syndrome1_9+0.550526*Syndrome1_10+0.4723933*Syndrome1_11+0.09457724*Syndrome1_12+0.5613732*Syndrome1_13+0.3709611*Syndrome1_14-0.07680532*Syndrome1_15-0.5097623*Syndrome1_16+0.4023384*Syndrome1_17+0.2330064*Syndrome1_18-0.09448317*Syndrome1_19+0.2668969*Syndrome1_20-0.2110061 ); //--- syndromes of the 3rd level: double Syndrome3_1=Sigmoid3( -0.05101856*Syndrome2_1-0.04933448*Syndrome2_2+0.03248681*Syndrome2_3-0.05835526*Syndrome2_4-0.01888579*Syndrome2_5-0.07940733*Syndrome2_6-0.04341835*Syndrome2_7-0.07906266*Syndrome2_8+0.2054683*Syndrome2_9+0.1553352*Syndrome2_10-0.07296721*Syndrome2_11-0.01849408*Syndrome2_12-0.07505544*Syndrome2_13+0.08666297*Syndrome2_14-0.2001411*Syndrome2_15+0.07931387*Syndrome2_16+0.1598745*Syndrome2_17+0.01308129*Syndrome2_18+0.159161*Syndrome2_19+0.1903208*Syndrome2_20+0.0190388 ); double Syndrome3_2=Sigmoid3( 0.0643296*Syndrome2_1+0.3451192*Syndrome2_2-0.1247545*Syndrome2_3+0.03276825*Syndrome2_4+0.303136*Syndrome2_5+0.03152885*Syndrome2_6+0.1118743*Syndrome2_7-0.3860323*Syndrome2_8-0.08593427*Syndrome2_9-0.2664599*Syndrome2_10+0.213205*Syndrome2_11-0.0977626*Syndrome2_12-0.2923501*Syndrome2_13-0.3133417*Syndrome2_14-0.1915279*Syndrome2_15+0.4333939*Syndrome2_16+0.02110274*Syndrome2_17+0.5802879*Syndrome2_18+0.03386912*Syndrome2_19+0.08908307*Syndrome2_20+0.06071822 ); double Syndrome3_3=Sigmoid3( -0.08613513*Syndrome2_1+0.1200513*Syndrome2_2+0.3818525*Syndrome2_3-0.09603316*Syndrome2_4-0.2353039*Syndrome2_5-0.1816488*Syndrome2_6+0.002517342*Syndrome2_7-0.2414117*Syndrome2_8+0.2011739*Syndrome2_9-0.3057347*Syndrome2_10-0.4593749*Syndrome2_11-0.2228307*Syndrome2_12+0.03512295*Syndrome2_13+0.4402955*Syndrome2_14-0.1967632*Syndrome2_15+0.07873345*Syndrome2_16+0.1981131*Syndrome2_17-0.2677957*Syndrome2_18+0.1719814*Syndrome2_19-0.474854*Syndrome2_20+0.01101439 ); double Syndrome3_4=Sigmoid3( 0.02534361*Syndrome2_1+0.1845266*Syndrome2_2+0.149674*Syndrome2_3-0.1454014*Syndrome2_4+0.00701888*Syndrome2_5+0.08219463*Syndrome2_6+0.05163066*Syndrome2_7-0.1836077*Syndrome2_8+0.1429968*Syndrome2_9+0.518382*Syndrome2_10-0.00966637*Syndrome2_11-0.1674386*Syndrome2_12+0.1387497*Syndrome2_13+0.1385897*Syndrome2_14-0.01148864*Syndrome2_15+0.3751494*Syndrome2_16-0.08906862*Syndrome2_17-0.06286599*Syndrome2_18+0.2061662*Syndrome2_19-0.07524439*Syndrome2_20-0.08077133 ); double Syndrome3_5=Sigmoid3( 0.3856083*Syndrome2_1-0.01700347*Syndrome2_2-0.1044575*Syndrome2_3+0.111998*Syndrome2_4-0.5157402*Syndrome2_5-0.05508286*Syndrome2_6-0.3101066*Syndrome2_7-0.5261913*Syndrome2_8-0.05983765*Syndrome2_9+0.1723307*Syndrome2_10-0.2564277*Syndrome2_11+0.06385356*Syndrome2_12-0.07245655*Syndrome2_13+0.1154206*Syndrome2_14-0.3492871*Syndrome2_15+0.136372*Syndrome2_16+0.3627071*Syndrome2_17-0.3074959*Syndrome2_18+0.4425845*Syndrome2_19-0.9329191*Syndrome2_20+0.01476912 ); double Syndrome3_6=Sigmoid3( 0.5246867*Syndrome2_1-0.2347829*Syndrome2_2+0.01062111*Syndrome2_3+0.2374777*Syndrome2_4-0.02361662*Syndrome2_5+0.1804156*Syndrome2_6+0.07669501*Syndrome2_7-0.142881*Syndrome2_8+0.2566245*Syndrome2_9+0.1024709*Syndrome2_10-0.04695484*Syndrome2_11-0.004103919*Syndrome2_12+0.3340242*Syndrome2_13-0.3702791*Syndrome2_14+0.1852374*Syndrome2_15+0.02175477*Syndrome2_16+0.09901489*Syndrome2_17-0.1502062*Syndrome2_18+0.3814779*Syndrome2_19-0.06319473*Syndrome2_20+0.2657273 ); double Syndrome3_7=Sigmoid3( 0.1613003*Syndrome2_1-0.2738772*Syndrome2_2-0.03304096*Syndrome2_3+0.3934855*Syndrome2_4+0.3955218*Syndrome2_5-0.3004892*Syndrome2_6+0.1339742*Syndrome2_7+0.09475601*Syndrome2_8+0.03064043*Syndrome2_9-0.7264652*Syndrome2_10-0.4579849*Syndrome2_11-0.1183059*Syndrome2_12+0.2197721*Syndrome2_13-0.08493897*Syndrome2_14+0.2115426*Syndrome2_15-0.07834542*Syndrome2_16-0.3884689*Syndrome2_17-0.101394*Syndrome2_18+0.1002519*Syndrome2_19-0.07787764*Syndrome2_20+0.3529212 ); double Syndrome3_8=Sigmoid3( -0.3544801*Syndrome2_1+0.03471621*Syndrome2_2-0.2373467*Syndrome2_3-0.2836286*Syndrome2_4+0.01646966*Syndrome2_5+0.06978795*Syndrome2_6-0.03310004*Syndrome2_7+0.01844743*Syndrome2_8+0.05259214*Syndrome2_9-0.05343668*Syndrome2_10+0.3971725*Syndrome2_11-0.08770485*Syndrome2_12-0.2040168*Syndrome2_13+0.1109144*Syndrome2_14-0.06249888*Syndrome2_15-0.5860764*Syndrome2_16+0.1217078*Syndrome2_17+0.2471277*Syndrome2_18-0.03716509*Syndrome2_19-0.1908655*Syndrome2_20+0.03838157 ); double Syndrome3_9=Sigmoid3( 0.1542789*Syndrome2_1+0.3505224*Syndrome2_2+0.06042741*Syndrome2_3+0.08956298*Syndrome2_4-0.03655836*Syndrome2_5-0.3083843*Syndrome2_6+0.2483124*Syndrome2_7-0.1132483*Syndrome2_8-0.3571556*Syndrome2_9-0.04335312*Syndrome2_10+0.005499069*Syndrome2_11+0.371572*Syndrome2_12-0.1199554*Syndrome2_13+0.1160574*Syndrome2_14-0.01656827*Syndrome2_15+0.09481092*Syndrome2_16-0.07926448*Syndrome2_17+0.3847227*Syndrome2_18+0.1039986*Syndrome2_19-0.02874756*Syndrome2_20-0.2311832 ); double Syndrome3_10=Sigmoid3( -0.5099882*Syndrome2_1-0.2619184*Syndrome2_2+0.2441412*Syndrome2_3-0.02311796*Syndrome2_4+0.004243354*Syndrome2_5-0.04681544*Syndrome2_6+0.1402575*Syndrome2_7-0.03166823*Syndrome2_8-0.2629028*Syndrome2_9-0.03275445*Syndrome2_10-0.311464*Syndrome2_11+0.3158014*Syndrome2_12-0.04689252*Syndrome2_13+0.1556217*Syndrome2_14-0.02266529*Syndrome2_15-0.15192*Syndrome2_16+0.02253294*Syndrome2_17+0.04638374*Syndrome2_18-0.4847055*Syndrome2_19-0.0543578*Syndrome2_20-0.4383866 ); double Syndrome3_11=Sigmoid3( 0.09181526*Syndrome2_1-0.009475656*Syndrome2_2+0.08283823*Syndrome2_3+0.06638021*Syndrome2_4-0.04110251*Syndrome2_5+0.03041244*Syndrome2_6-0.2266526*Syndrome2_7+0.3537511*Syndrome2_8+0.2091044*Syndrome2_9-0.2312607*Syndrome2_10-0.01409533*Syndrome2_11-0.06294888*Syndrome2_12+0.1980267*Syndrome2_13+0.07864135*Syndrome2_14-0.01312789*Syndrome2_15+0.02964603*Syndrome2_16-0.1720168*Syndrome2_17-0.01523064*Syndrome2_18+0.07354444*Syndrome2_19+0.1534344*Syndrome2_20+0.04784121 ); double Syndrome3_12=Sigmoid3( -0.01962976*Syndrome2_1-0.1254692*Syndrome2_2+0.01237085*Syndrome2_3-0.006583595*Syndrome2_4-0.06446695*Syndrome2_5-0.1581757*Syndrome2_6-0.01416831*Syndrome2_7+0.08909909*Syndrome2_8+0.02427519*Syndrome2_9+0.06101634*Syndrome2_10-0.07296847*Syndrome2_11-0.02960677*Syndrome2_12+0.1195403*Syndrome2_13+0.007260199*Syndrome2_14-0.005008513*Syndrome2_15+0.07686368*Syndrome2_16-0.1097991*Syndrome2_17+0.02348211*Syndrome2_18-0.01508969*Syndrome2_19+0.06078456*Syndrome2_20+0.1424098 ); double Syndrome3_13=Sigmoid3( -0.1845686*Syndrome2_1-0.1120369*Syndrome2_2+0.1346949*Syndrome2_3+0.2425685*Syndrome2_4+0.1310953*Syndrome2_5-0.1957272*Syndrome2_6+0.2163845*Syndrome2_7+0.04189415*Syndrome2_8+0.05685329*Syndrome2_9-0.1108158*Syndrome2_10-0.04702755*Syndrome2_11-0.2698838*Syndrome2_12+0.05045844*Syndrome2_13+0.1487544*Syndrome2_14+7.648221E-5*Syndrome2_15-0.04902162*Syndrome2_16+0.3119571*Syndrome2_17-0.2076546*Syndrome2_18+0.1465537*Syndrome2_19+0.2386554*Syndrome2_20+0.09121808 ); double Syndrome3_14=Sigmoid3( 0.015057*Syndrome2_1-0.07630379*Syndrome2_2+0.10373*Syndrome2_3-0.01276504*Syndrome2_4+0.01637872*Syndrome2_5+0.1570177*Syndrome2_6+0.02290879*Syndrome2_7+0.1426407*Syndrome2_8-0.3037595*Syndrome2_9-0.1183627*Syndrome2_10-0.05010238*Syndrome2_11-0.06874149*Syndrome2_12+0.0325584*Syndrome2_13-0.1127614*Syndrome2_14+0.1010367*Syndrome2_15+0.2743505*Syndrome2_16+0.02752565*Syndrome2_17-0.01011515*Syndrome2_18-0.1072115*Syndrome2_19-0.1723324*Syndrome2_20-0.1862434 ); double Syndrome3_15=Sigmoid3( -0.0602835*Syndrome2_1+0.1044827*Syndrome2_2-0.03398157*Syndrome2_3+0.1103081*Syndrome2_4-0.2517793*Syndrome2_5-0.1388755*Syndrome2_6+0.1680355*Syndrome2_7+0.08541053*Syndrome2_8+0.2264198*Syndrome2_9+0.1319854*Syndrome2_10+0.2397746*Syndrome2_11+0.04893836*Syndrome2_12+0.07067535*Syndrome2_13+0.03666123*Syndrome2_14-0.2249698*Syndrome2_15+0.1039975*Syndrome2_16+0.03130547*Syndrome2_17+0.1295152*Syndrome2_18-0.1380298*Syndrome2_19-0.2716908*Syndrome2_20+0.3049682 ); double Syndrome3_16=Sigmoid3( 0.006898584*Syndrome2_1+0.172121*Syndrome2_2+0.08287619*Syndrome2_3-0.2843233*Syndrome2_4+0.3360839*Syndrome2_5-0.06360124*Syndrome2_6+0.08605669*Syndrome2_7+0.1303328*Syndrome2_8+0.176666*Syndrome2_9+0.3064248*Syndrome2_10+0.03492442*Syndrome2_11-0.1337793*Syndrome2_12+0.2166045*Syndrome2_13+0.1651906*Syndrome2_14-0.2159452*Syndrome2_15-0.02087162*Syndrome2_16-0.1321865*Syndrome2_17+0.02330898*Syndrome2_18-0.1607926*Syndrome2_19+0.100959*Syndrome2_20+0.3113509 ); double Syndrome3_17=Sigmoid3( 0.2484581*Syndrome2_1+0.07501616*Syndrome2_2-0.2955785*Syndrome2_3-0.06893355*Syndrome2_4-0.110545*Syndrome2_5+0.009258383*Syndrome2_6-0.04150206*Syndrome2_7-0.1581711*Syndrome2_8-0.1503464*Syndrome2_9-0.1641756*Syndrome2_10+0.2800875*Syndrome2_11+0.1470316*Syndrome2_12+0.08529772*Syndrome2_13-0.07939056*Syndrome2_14+0.1105667*Syndrome2_15-0.003909521*Syndrome2_16-0.1663841*Syndrome2_17+0.1384012*Syndrome2_18-0.2260507*Syndrome2_19-0.1310463*Syndrome2_20+0.03011392 ); double Syndrome3_18=Sigmoid3( 0.2167049*Syndrome2_1+0.1083723*Syndrome2_2+0.03713056*Syndrome2_3-0.07394339*Syndrome2_4-0.08689396*Syndrome2_5+0.1893489*Syndrome2_6-0.004869457*Syndrome2_7+0.06987588*Syndrome2_8-0.1505099*Syndrome2_9+0.1717843*Syndrome2_10+0.07792218*Syndrome2_11+0.02835098*Syndrome2_12+0.03617713*Syndrome2_13+0.1599271*Syndrome2_14-0.1617647*Syndrome2_15-0.04720658*Syndrome2_16+0.004165665*Syndrome2_17-0.1073883*Syndrome2_18+0.06164433*Syndrome2_19+0.01017194*Syndrome2_20-0.1073146 ); double Syndrome3_19=Sigmoid3( 0.1966043*Syndrome2_1-0.06785608*Syndrome2_2-0.02568222*Syndrome2_3+0.2323583*Syndrome2_4-0.1949882*Syndrome2_5-0.0180097*Syndrome2_6-0.1995831*Syndrome2_7-0.3007537*Syndrome2_8+0.03133066*Syndrome2_9-0.3836962*Syndrome2_10+0.8646971*Syndrome2_11-0.04459784*Syndrome2_12+0.1127359*Syndrome2_13+0.3645059*Syndrome2_14+0.3924035*Syndrome2_15+0.2070317*Syndrome2_16-0.1975317*Syndrome2_17+0.249992*Syndrome2_18-0.1090982*Syndrome2_19+0.9234442*Syndrome2_20+0.0260936 ); double Syndrome3_20=Sigmoid3( -0.1054238*Syndrome2_1+0.01094678*Syndrome2_2+0.1854347*Syndrome2_3-0.03105933*Syndrome2_4-0.1428708*Syndrome2_5+0.1660853*Syndrome2_6-0.0540761*Syndrome2_7+0.08364562*Syndrome2_8+0.01462638*Syndrome2_9+0.05958234*Syndrome2_10+0.05540805*Syndrome2_11+0.1415959*Syndrome2_12-0.2088391*Syndrome2_13-0.02437577*Syndrome2_14+0.03789431*Syndrome2_15+0.1342704*Syndrome2_16+0.02136465*Syndrome2_17+0.1529594*Syndrome2_18-0.2515772*Syndrome2_19-0.009984408*Syndrome2_20-0.02554057 ); //--- final syndromes: BAR[0]=0.377357*Syndrome3_1-0.1995524*Syndrome3_2+0.44664*Syndrome3_3-0.2634062*Syndrome3_4-0.1150927*Syndrome3_5-0.3349093*Syndrome3_6-0.3639574*Syndrome3_7+0.2705039*Syndrome3_8+0.5313437*Syndrome3_9+0.2664694*Syndrome3_10+0.1713557*Syndrome3_11+0.1208919*Syndrome3_12-0.4120659*Syndrome3_13+0.3021899*Syndrome3_14+0.4149051*Syndrome3_15+0.7103375*Syndrome3_16+0.1180793*Syndrome3_17-0.2354599*Syndrome3_18-0.1013937*Syndrome3_19+0.3054902*Syndrome3_20+0.03919306; //--- postprocessing of the final syndromes: BAR[0]=((BAR[0]*0.0180000001564622)+0.000599999912083149)/2; return (BAR[0]); } //+------------------------------------------------------------------+ double Prognosis; //+------------------------------------------------------------------+ #include <Trade\Trade.mqh> //+------------------------------------------------------------------+ void OnTick() { //--- receive a price forecast from a neural network Prognosis=CalcNeuroNet(); //--- perform necessary trade actions Trade(); } //+------------------------------------------------------------------+ void Trade() { //--- close an opened position if it does not fit the forecast if(PositionSelect(_Symbol)) { long type=PositionGetInteger(POSITION_TYPE); bool close=false; if((type == POSITION_TYPE_BUY) && (Prognosis <= 0)) close = true; if((type == POSITION_TYPE_SELL) && (Prognosis >= 0)) close = true; if(close) { CTrade trade; trade.PositionClose(_Symbol); } } //--- if there are no positions, then open by the forecast if((Prognosis!=0) && (!PositionSelect(_Symbol))) { CTrade trade; if(Prognosis > MinPrognosis) trade.Buy (Lots); if(Prognosis < -MinPrognosis) trade.Sell(Lots); } }
Verifica
Avvia l'Expert nello stesso periodo in cui ha fornito i dati per l'addestramento della rete neurale. Ricordo che questo Expert è stato scritto per EURUSD, H1 (il tempo di apprendimento è di quasi 10 mesi).
Non ha senso entrare in un affare quando un profitto previsto è un valore paragonabile allo spread. L'Expert ha un filtro integrato per un caso del genere. Impostare il parametro di input MinPrognosis su 0,0005.
Il volume di scambio costante è 0,1 lotto.
Abbiamo ricevuto i seguenti risultati:
Fig. 21. Statistiche del test dell'Expert Advisor in MetaTester
Fig. 22. Grafico azionario dopo che l'Expert Advisor è stato testato in MetaTester
L'equità in costante crescita mostra che tutte le fasi dello sviluppo di una rete neurale Expert sono state implementate correttamente.
Va tenuto presente che il profitto in un periodo di tempo in cui l'Expert stava imparando non garantisce un profitto al di fuori di questo intervallo. Creare una rete neurale davvero redditizia Gli esperti richiedono una conoscenza approfondita del principio operativo della rete neurale e una significativa esperienza nel trading. In questo articolo ho mostrato come utilizzare uno strumento di rete neurale e ora sta a te renderlo efficiente.
Conclusione
NeuroPro è un programma unico. Abbiamo avuto l'opportunità di vedere che una rete neurale può essere trasferita da NeuroPro a MetaTrader 5 Expert in pochi minuti utilizzando solo strumenti a portata di mano.
Molti altri programmi di rete neurale non hanno questo vantaggio. Ecco perché NeuroPro è altamente raccomandato.
Tradotto dal russo da MetaQuotes Ltd.
Articolo originale: https://www.mql5.com/ru/articles/830
![SQL e MQL5: Lavorare con il database SQLite](https://c.mql5.com/2/0/MQL5_SQLite_avatar.png)
![Video tutorial MetaTrader Signals Service](https://c.mql5.com/2/0/signal-video.png)
![Indicatore per la costruzione di un grafico Three Line Break](https://c.mql5.com/2/10/logo.png)
![Creazione di filtri digitali non-lagging](https://c.mql5.com/2/0/gmomentum-test-logo-200x200-7398.png)
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso