Als de klant bereid is om te kopen en verkopen met tussenpozen van twee weken dan is de tijd-periode moet veertien dagen en ga zo maar door. Als hij heeft geen idee van de aankoop /verkoop periode dan de kleinere tijd-periode, hoe beter, maar dit betekent toegenomen problemen bij het verzamelen van gegevens en ga zo maar door. Geen definitieve beslissing is genomen op dit punt, omdat het niet nodig is voor data-file organisatie of het programma zelf.
(4) en
(5) het normalisatieconstante (dat wil zeggen de som van alle gewichten) is een compromis tussen nauwkeurigheid en looptijd.
Hoe hoger het getal, hoe beter de nauwkeurigheid, dat wil zeggen, er is meer resolutie tussen individuele gewichten, maar ook grotere complexiteit van het rekenkundig betrokken bij het gewicht veranderende processen. Een ander effect te merken is dat rekenkundige afronding op de divisie kan leiden tot onbedoelde resultaten (op basis van directe ervaring!) En dus de constante moet groot genoeg zijn dan deze naar tevredenheid te krijgen. Besloten werd een initiële waarde van 100 voor elk van de 10 gewichten te kiezen, waardoor een constante som van 1000.
De waarde van de parameter A duidelijk invloed op het tijdstip van de leerperiode andhistory. In andere woord-, omdat A is een soort van 'search afstand' boven de minimaal vereiste zou het niet nodig lijkt te ver te zoeken. Echter, dit bleek niet het geval te zijn en de conclusie is dat de leertijd hangt meer af van de complexiteit van de geschiedenis beschreven dan de waarde van A A constant vastgesteld op 100 COIN-prestaties en problemen Het succes of falen COIN hangt zeer sterk af van de vorm van de gegevens waarmee het wordt gepresenteerd.
Als er sprake is van inconsistenties in de data dan het programma afbreekt en produceert geen voorspelling (anders dan een willekeurige één met andere woorden het produceert altijd iets). Dit kan worden parallel in een leersituatie waarbij een storing of een inconsistentie in de omgeving heeft de ne