х дня, а бажаним виходом нейронної мережі - відомий нам курс в наступний день за цими чотирма. Якщо нейронна мережа сумісна з будь-якою системою обробки електронних таблиць (наприклад, Excel), то підготовка навчальної вибірки складається з таких операцій: 1. Скопіювати стовпець даних значень котирувань в 4 сусідніх стовпців. 2. Зрушити другий стовпець на 1 клітинку вгору, третій стовпець - на 2 клітинки вгору і т.д.
В
Сенс цієї підготовки легко побачити на малюнку - тепер кожен рядок таблиці являє собою навчальний приклад, де перші 4 числа - вхідні значення нейронні мережі, а п'яте число - бажане значення виходу нейронної мережі. Виняток становлять останні 4 рядки, де даних недостатньо - ці рядки не враховуються при тренуванні нейронної мережі. Зауважимо, що в четвертій знизу рядку задані всі 4 вхідних значення, але невідомо значення виходу нейронної мережі. Саме до цього рядка ми застосуємо навчену нейронну мережу і отримаємо прогноз на наступний день. Як видно з цього прикладу, обсяг навчальної вибірки залежить від обраного нами кількості входів нейронної мережі. Якщо зробити 299 входів, то така нейронна мережа потенційно могла б будувати кращий прогноз, ніж нейронна мережа з 4 входами, однак у цьому випадку ми маємо всього 1 навчальний приклад, і навчання безглуздо. При виборі числа входів нейронної мережі слід враховувати це, вибираючи розумний компроміс між глибиною передбачення (число входів нейронної мережі) і якістю навчання нейронної мережі (обсяг тренувального набору). br/>
