x = 0:0.02:20;
P = sin(x);
T = 2.*sin(x - 0.2);
plot(x,P,x,T);
// Create and train a network to preduct T from P
Delay = 3;
[w,b,y,ee] = ann_ADALINE_predict(P,T,0.2,1,Delay);
figure(); plot(T); plot(y,'r');
В статье описано использование пакета Rattle для автоматического поиска паттернов, способных предсказывать "лонги" и "шорты" для валютных пар рынка Форекс. Статья будет полезна как новичкам, так и опытным трейдерам.
以后有可能与mt-check SciLab连接吗？
这就是我正在做的事情。当然，DLL将不得不写。
顺便说一下，SciLab的图形用户界面和语法与R非常接近。
现在我正在翻阅R神经包和它们的描述。我认为，一切都比科学实验室复杂得多，也不那么透明。在昨天刚刚开始的SciLab中，如果我有一个训练阵列，我已经可以做一个神经元c。
在实例中，有一个正弦的预测，提前3步。
这是初级的，所有的代码，已经训练过了。
w和b是受训神经元的参数。
你有一篇关于R和如何训练简单的神经网络的好文章吗，有例子吗？
Atacha有一个Renat的神经元，但你也可以把它作为一个简单的例子。
SanSanych Fomenko有一篇好文章 -https://www.mql5.com/ru/articles/1165
他在那里展示了如何使用R的一个GUI，在那里你可以处理数据和训练不同的模型。在标签Log上进行所有操作后，你可以看到相应的代码，然后自己去修改和执行，学习R语言的编程。
我从mt5中提取了eurusd和gbpusd的m30条形历史，其新功能是将条形历史导出到csv。
然后R训练神经元，它的权重被保存在文件中，这些权重应该被插入到mql5 Expert Advisor中。我在2017年1月训练了神经元，它在其他时期不会有好的交易。
EA可以在eurusd或gbpusd上运行。
eurusd和gbpusd的交易都同样出色，用神经元交易是平庸的，可能需要更多神经元。此外，在mql代码中还有另一个权重数组的注释，它们只对eurusd进行了训练，分别用这些权重的利润一般会是宇宙级的。
训练神经元时只在eurusd上进行交易。我研究了3个月，只用了其中的一个，在中间，它清楚地显示了利润在上升。
这就是我正在做的事情。当然，DLL将不得不写。
顺便说一下，SciLab的图形用户界面和语法与R非常接近。
现在我正在翻阅R神经包和它们的描述。我认为，一切都比科学实验室复杂得多，也不那么透明。在昨天刚刚开始的SciLab中，如果我有一个训练阵列，我已经可以做一个神经元c。
在实例中，有一个正弦的预测，提前3步。
这是初级的，所有的代码，已经训练过了。
w和b是受训神经元的参数。
是的，很酷......我已经有了R，但是......只用了一点点，如果sylab对某些特定的任务更好，那么也许可以用它......但是我还没有......。
如果你回到时间序列预测 的话题上--终于到了视频的结尾，你觉得...他们从回归分析开始，然后到复杂的模型，如Arima和Garch，最后的口号是：去他妈的这些模型，回归分析做得更好 :) )顺便说一下，这是一个非常称职的讲座，至少对我来说，它澄清了很多。我还掌握了算术和垃圾的本质，并发现我的直觉想法得到了一些证实。
"这背后没有科学，最后我们得出的理解是，就回归方法而言，不需要科学"
Atacha有一个Renat的神经元，但你也可以把它作为一个简单的例子。
SanSanych Fomenko在https://www.mql5.com/ru/articles/1165，有一篇好文章。
它展示了如何使用R的一个GUI，在那里你可以处理数据和训练不同的模型。所有操作结束后在日志选项卡中你可以看到相应的代码，然后自己修改和执行，学习R语言的编程。
我从mt5中提取了eurusd和gbpusd的m30条形历史，其新功能是将条形历史导出到csv。
然后R训练神经元，它的权重被保存在文件中，这些权重应该被插入到mql5 Expert Advisor中。我在2017年1月训练了神经元，它在其他时期不会有好的交易。
EA可以在eurusd或gbpusd上运行。
eurusd和gbpusd的交易都同样出色，用神经元交易是平庸的，可能需要更多神经元。在mql代码中，其他的权重数组已经被注释掉了，它只对eurusd进行了训练，所以使用这些权重的利润会更大。
训练神经元时只在eurusd上进行交易。3个月，其中只训练了一个，在中间，你可以清楚地看到利润在那里上升。
很好，谢谢 :)然而，我的模型，现在在测试中更好......但尚未在战斗条件下测试。
顺便说一下，我读了SanSanych的这篇文章，甚至开始做一些事情，但后来放弃了，没有时间
是的，很好......虽然我已经有了R......只用了一点点，如果它对某些特定的任务更好，那么也许我可以用它......但我还没有......。
如果你回到时间序列预测 的话题上--终于到了视频的结尾，你觉得...他们从回归分析开始，然后到复杂的模型，如Arima和Garch，最后的口号是：去他妈的这些模型，回归分析做得更好 :) )顺便说一下，这是一个非常称职的讲座，至少对我来说，它澄清了很多。我也得到了阿里马和加西亚的精髓，并发现我的一些直觉想法得到了证实。
我不知道你在科学实验室的什么地方（以及在什么地方）看到了特异性？这只是一个普通的网络。顺便说一下，现在有几十个不同的网络，用于不同的任务。一个例子是预测性的。也有分类网络。
回归是伟大的，当然了。但如果你使用回归法交易，每分钟都必须建立一个新的模型。正如讲座中所说，预测间隔越长，误差就越大，间隔越长，预测就会和模型一起崩溃。使用讲座中描述的方法实时重建是不可能的。
我不知道你在SciLab哪里（以及在什么地方）看到了特殊性？一个普通的网络。顺便说一下，有几十个不同的网络用于不同的任务。例如，有一个预测性的。有分类网络。
回归是伟大的，当然了。但如果你使用回归法交易，你将不得不每分钟都建立一个新的模型。预测间隔越长，误差就越大，间隔越长，预测就会和模型一起变成碎片。使用讲座中描述的方法实时重建是不可能的。
不是具体细节，而是有些事情在那里做比在R中更方便、更快捷，就像你写的那样
不是具体问题，而是有些事情在那里做比在R中更容易、更快，就像你写的那样
是的，更方便，而且实施起来更快。但我不明白"如果ssilab对某些特定任务更好，...".神经元学和非洲神经元学，唯一的问题是在哪里更容易、更快、更便宜地获得结果。
Zy。我见过神经元学教你学习乘法表的例子。说它有7×7，好吧，它的结果是48.7左右。我看到一个神经元学习乘法表的例子，例如7 x 7。
是的，更方便，而且实施起来更快。但我不明白"如果ssilab对某些特定任务更好，...".神经元学和非洲神经元学，唯一的问题是在哪里更容易、更快、更低成本地获得成果。
Zy。我见过神经元学教你学习乘法表的例子。说它有7×7，好吧，它的结果是48.7左右。我还看到一个神经元学习乘法表的例子。
所以，学习NS比较方便，但在R中，比如说，有一个dataminer，而且已经有了与MT结合的方法。
我的意思是，这对教授NS来说更方便，但在R中，有一个数据分析器，而且已经有了与MT结合的方法
科学实验室的数据挖掘也在那里，包括优化和遗传学。是的，没有DLL，它必须要写。但有一个C/C++的API，连接起来不是问题，但当然要花一些时间。然而，我有写DLL的技能，但没有与神经网络打交道的技能，而且我不认为所有的事情都能马上自己完成。
虽然我的电脑上同时有R和SciLab，而且我都在用它们工作，但R的使用频率要低得多--R更适合其主题领域--统计计算的R项目。
我的意思是，这对学习NS更方便，但在R中，比方说，有一个dataminer，而且已经有一种方法可以与MT结合起来了
你为什么要挑剔网络？他们不工作，就是这样，这只是一个过去时代的时尚，可能是第一个机器学习包，是有的。
还有更多有前途的：随机森林、各种阿达。而一般来说，caret shell包，它有几百个包，包括网格，你可以在它们之间做自动选择。
PS。
严重的网格，可能在这里 和这里 工作。作者在论坛上，削足适履，链接到MT4/5终端 ...
辽宁省
你怎么能认真地将R与skylab进行比较呢？某种质朴的包装，不在任何排名中...
辽宁省
而且这根本不是关于模型，而是关于数据挖掘。你找到了与目标变量相关的预测因子，你就会有收获。
其他都是智力游戏。