De programmering probleem is te doen dat de berekening van de gewichten W zodat voorspellingen kunnen worden gemaakt. Om dit programma werkt als een leermachine, verandert gewichten wanneer een verkeerde voorspelling is gemaakt, tot het geheel van een trainingssequentie van discrete perioden nauwkeurig is beschreven doen.
Neem aan dat het gebruik van de gewichten W een voorspelling RT is gemaakt van gegevens XT en YT ie Stel verder dat de voorspelling is verkeerd (RT is bekend sinds de gegevens van alle historische in de opleiding volgorde) Laat New gewichten W1 zijn zodanig dat te berekenen waarin A een constante parameter. Duidelijk de voorspelling juist is zolang W1 berekend worden gemaakt. We hebben en omdat de gewichten zijn genormaliseerd we kunnen splitsen elke som in drie delen volgens de keuze van de teken is afhankelijk van de vraag of X is beter of slechter dan Y in de afgelopen periode.
Dit geeft dan een algoritme voor het veranderen van de gewichten bij een verkeerde voorspelling heeft gedaan. Het is duidelijk dat het brengt enige juiste voorspelling op een tijd en kan heel goed (en vaak doet) gooien een aantal van de vorige voorspellingen uit, dat wil zeggen, een aantal voorspellingen die met de oude gewichten correct waren verkeerd met de nieuwe gewichten. De oplossing hiervoor is om door de geschiedenis, waardoor juiste verkeerde voorspellingen zoals die tot de gehele geschiedenis kan worden voorspeld met een stel gewichten. Aldus is de werkwijze een iteratief een en.
dus verdient de term leren machine. De training methode (het gewicht veranderende procedures hierboven beschreven) kan worden aangetoond dat convergeren (dat wil zeggen, kan elke geschiedenis zo worden beschreven met een set van gewichten) en een formeel bewijs kan worden gevonden in Nillson, hoofdstuk 5 (1965). Het bovenstaande is de basis rekeneenheid, dat wil zeggen, het vergelijken van elke twee aandelen. Het resultaat is een voorspelling van hun relatieve prestaties in de volgende periode.
Deze eenheid wordt vervolgens gebruikt in de voorspelling van de prestaties van een hele reeks van aandelen. Na besprak het formalisme blijft het aan te geven hoe en waarom waarden werden gekozen voor alle parameters, variabelen en constanten die essentieel zijn voor het verloop van het programma op een computer zijn.
(1) Prestatie criterium: Deze kunnen als volgt worden opgesomd.
(2) Aan