本帖最后由 HMGD 于 2016-2-19 07:37 编辑 这个是在网上看到到神经网络与MACD有应用EA,可以做学习参考。
一、以下
蓝色部分是
原作者的发言:
大家好!
我已经从事很久的编成工作了,但对于经济分析还是位新手。所以希望他家可以给出建议和提出意见。可以大肆表扬,也可以做出批评。这是我的第一个简单的智能交易 "以 Neuro network 为基础МТС ".首先,要对 Yuri Reshetov表示感谢,是他在网页中的信息使我运用神经网络编写了自己 的 МТС。对于一些还不清楚神经网络的人可以点击链接阅读https://www.mql5.com/ru/articles/1447运用方法和神经网络的学习可以在网页 https://www.mql5.com/ru/code/7917 中获取。值得提及的一点是我在这里放置了"滑针"或者可以说是 МТС"骨架" ,这样能够增大实用性。就是说MACD 可以使用其他指标或者多个指标,这样做可以增强附加优化。但最重要的是神经网络和指标不会产生相互排斥(如果信号排斥神经网络,那么只能使用指标), 同时使用分析开仓。P.S.我认为最好的结果是使用基础货币对在 Н1 图表中运行。但是创造才能够得到自己的 "金色圣杯"! :-)MTS Neural network plus MACD神经网络与MACD应用.zip(2.15 KB, 下载次数: 11)二、下面这个是MQ5神经网络的一个
脚本应用类,(里面有说明和路径)非常实用,可以辅助入手练习:
下面
红色部分是原作者介绍:
描述:CNetMLP 提供多层感知(MLP).
该类的功能是:输入矢量和网络结构是分离的,也就是输入矢量和网络结构描述是互不相连的。
输入矢量在合理范围内可以说任意大小。 输入数据应该是被标准化了的, 比如数据应该在-1 .. 1 或者 0 .. 1之内。 网络根据使用数据的类型采用多种激活模式: 双曲正切函数应该使用-1..1的数据范围, 而sigmoid函数则使用0..1 的数据范围。
网络具有直接传输信号的多层结构。网络结构被描述为一个一维数组,数组的值决定每层的神经元个数。 层和神经元的数目不受限制。网络甚至可以说由一个神经元构成。
每个神经元有多个输入,这取决于它在网络中的位置,而输出只有一个。如果你希望网络有N个输出响应, 最后一层应该有N个神经元。 学习算法是iRprop. 学习数据的输入和输出以矢量形式存放在一维数组中。学习过程受限于学习循环次数或者允许误差范围。
利用类的参数化构造器创建网络。
CNetMLP *net=new CNetMLP(
层的数目, 网络结构数组, 输入矢量大小, 激活方式类型: 0 - sigmoid函数, 1 - hyperbolic tangent双曲正切函数).网络学习通过调用函数Learn(学习模式, 输入数据数组, 输出数据数组, 学习循环次数, 允许误差). 学习结果可以检查类变量 mse – 学习中的错误 以及 epoch – 完成的学习循环次数来完成。 Calculate函数(输入矢量数组, 网络输出数组) 用来获取网络响应输出。
函数Save(带有标志位FILE_WRITE 和 FILE_BIN flags打开文件句柄) 以及 函数Load (带有标志位FILE_READ 和 FILE_BIN flags打开文件句柄) 用来分别保存网络到一个文件以及从文件载入一个网络。只有学习错误和数组存到文件中。 加载网络之前必须遵守创建网络和存储网络的规范。
类的使用可参考附上的示例。类和示例文件必须放在相同文件夹。
MLP Neural Network ClassMQ5(CNetMLP提供多层成感知MLP) .zip(5.73 KB, 下载次数: 7)三、下面是用到的高等数学知识搜集的资料,包括离散数学,计算几何学,神经网络多层感应训练方法,希望对大家有帮助。
离散数学.pdf(1.42 MB, 下载次数: 20)计算几何_算法与应用.pdf(4.56 MB, 下载次数: 11)多层感知器的训练算法.pdf(229.3 KB, 下载次数: 8)下面这个文件特别介绍下,当我再学习中也会犯迷糊,刚好再网上看到这篇文章不错,就吧他保留了下来,里面用的“图画思维”方式解释了数学体系与应用,非常直观易懂,特意上传,大神就不用看这个了。
麻省理工(MIT)牛人解说数学体系.rar(776.03 KB, 下载次数: 16)学习的道路贵在坚持,希望大家一起坚持到最后都有所收获。
祝各位交易盈利越来越丰厚。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。