Утилита позволяет обучать нейронную сеть (многослойный перцептрон) не прибегая к языку программирования. В сеть можно подавать любые индикаторы. Нормализация входных данных происходит на лету, по выбору пользователя. Обучение сети происходит также на...
我很抱歉，我只是从未张贴过代码。
我看到它被解决了，这一切都很好。
然后从维基百科上删除破损的链接。
MetaTrader 5平台的开源神经网络引擎项目
那么结果是什么呢？是否在某处有一个MT5的神经元？它在哪里？
那么结果是什么呢？有没有MT5的神经元？它在哪里？
不幸的是，该项目 已经停滞。
但是Alglib已经作为终端的一部分出现了，请注意它。
不幸的是，该项目已经停滞。
但Alglib现在是终端的一部分，请注意它。
不幸的是，该项目已经停滞。
但是Alglib已经被添加到了终端，请注意它。
MLP中的层数是有限制的。如同原来的Alglib。
嗯......一点都不奇怪，看了一些帖子，比如。
咳咳（谦虚地）关于反应 -- 已经有3个神经元的lib。
一个有10多个网。曾与Kohonen网、MLP、recirculation、Hopfield ...,
第二个是实现MLP+Jordana-Elman网络的一般情况--即任何拓扑结构（有向图），并有可能循环回任何层。
第三个是Echo网络的实现，我的最爱:) 。
真的已经很久了（除了回声网络），但你可以记得。没有使用过概率模型。不熟悉最近对梯度下降法和混合方法的改进。
对我来说，已实施的网络中有4个是有趣的
1.Kohonen网络，包括SOM。在不清楚要找什么的情况下，它很适合用于集群分区。我认为拓扑结构是众所周知的：以矢量为输入，以矢量为输出或以其他方式分组的输出。学习可以有老师，也可以没有老师。
2.MLP，以其最一般的形式，即有一组任意的层，组织成一个带反馈的图。使用非常广泛。
3.再循环网络。坦率地说，我从来没有见过一个正常工作的非线性实现。它被用于信息压缩和主成分提取（PCA）。在其最简单的线性形式中，它被表示为一个线性的两层网络，其中信号可以从两边传播（或三层在其展开的形式）。
4.回声网络。原则上与MLP类似，也适用于那里。但在组织上完全不同，而且有一个明确的学习时间（好吧，而且总是产生一个全局最小值，相反）。
5.PNN -- 我没有用过它，我不知道。但我认为有一个人可以做到这一点。
6.模糊逻辑的模型（不要与概率网络相混淆）。未实施。但可能是有用的。如果有人发现信息，请抛出。几乎所有的模型都有日本的作者身份。几乎所有的都是手动构建的，但如果有可能通过逻辑表达式 来自动构建拓扑结构（如果我没有记错的话），那将是不现实的酷。
你会想，哇，这里聚集了多少天才，但结果是 "项目停滞"，从准备到现在只有这个，而且似乎他们中的大多数只是小骗子。
嗯......这一点很奇怪，你看一些帖子，比如。
你想哇，这里聚集了多少天才，但结果是 "项目停滞"，只有这个，而且看起来他们中的大多数人只是小骗子。
在他们的市场上有很多污垢。
嗯......这一点很奇怪，你看一些帖子，比如。
你想哇，这里聚集了多少天才，但结果是 "项目停滞不前"，只有这个，似乎他们中的大多数人只是小骗子。