人工智能概率算法-模拟神经元结构预测价格

最近研究人工智能概率算法，想通过统计学的方式预测未来

比较好的例子就是股票，历史数据很丰富

输入端：4个参数（开盘价、最高价、最低价、收盘价）

输出端：4个参数 第二天（开盘价、最高价、最低价、收盘价）

把价格从-10到+10，每次迭代0.1，分类成200个特征

刚开始神经元的输入端不敏感，细胞核不会发送输出，[0,200]=[{},{},{},{}]、[1,200]=[{},{},{},{}]、[2,200]=[{},{},{},{}]、[3,200]=[{},{},{},{}]

训练过程：输入（开盘价、最高价、最低价、收盘价）、第二天（开盘价、最高价、最低价、收盘价）

认为一个输入特征会影响到所有输出特征，在训练过程中，增加细胞核输入敏感度，统计4个输出端特征最多的

//第一次训练
for(let i=1;i<dArr.length;i++){
    for(let j=0;j<dArr[i-1].length;j++){
        const key=[j,dArr[i-1][j]].join(',')
        if(!rectMap[key]){
            rectMap[key]=[{},{},{},{}]
        }
        for(let k=0;k<rectMap[key].length;k++){
            if(!rectMap[key][k][dArr[i][k]]){
                rectMap[key][k][dArr[i][k]]=1
            }else{
                rectMap[key][k][dArr[i][k]]++
            }
        }
    }
}

输出最终特点