Здравствуйте,

нужен пример (на php или perl) однослойной или многослойной сети обучаемой методом обратного распространения

пример хотелось бы для предсказания завтрашнего курса валюты
т.е. на вход даем например курсы за прошедшие 100 дней, на выходе получает завтрашний курс

начитался разных примеров, но везде больше по определению капч и форм, там вектор фиксированный (например 30 или 900 элементов), а в моем случае не понятно как вообще создавать базу обучений

подскажите пожалуйста или подтолкните на правильный путь 

спасибо

Если я правильно понял вопрос, то Вы не знаете как сформировать обучающую выборку.
Если речь идет о курсе валют, то есть о временном ряде, то применяют простой прием.
Определяют глуину предыстории - сколько подавать на вход.
Потом берут ряд, и нарезают из нег примеры. Хвост ряда оставляют для тестирования.

да правильно поняли, на вход подается какой-то кол-во данных, например за 30 дней (30 шт)
но вот как дальше?
нарезать по 30 штук?

общая база истории курса, 4.500.000 записей по дням
т.е. надо эти 4.500.000 нарезать по 30 штук итого будет 150.000 штук?
а что дальше? как со всем этим работать? как веса назначать?

спасибо

doozina, Первые 30 дней - данные, остальные несколько - результат. После изучения системой этого случая добавляем в результат следующий  день, первый день результата приписываем в данные, первый день данных - выкидываем. Получаются новые данные для изучения.

Натаскиваем на таких данных до полного исчерпания исходных данных. Если предсказуемость результата получилась в допустимых пределах - имеем профит   

да я так то вроде теорию понял, начитался до опупения уже статей, курсовых, просто доков, но я так и не понял как это реализовать именно на языке программирования
как все это записывать...

ksnk запутал меня еще больше   
реально уже не соображу как все это сделать

вот если бы примерчик кто-нить дал на PHP желательно или Perl   

P.S. на выходе должно быть поидее одно значение (рост или падение, в идеале с примерными данными типа: рост +20 или падение -7)

спасибо

я готов заплатить за грамотный пример с разжовыванием непонятных мест 
цена договорная (в рамках разумного)

ася: шесть 2 пиять тристо 8 9 4 воЗемьдеЗят б

пример нужен многослойного персептрона с обратным распростронением ошибки   

Показываю формирование задачника на длине истории 5
Исходный ряд 

abcdefghijklmnop
примеры
     данные ответ
1. abcde      f
2. bcdef      g
3. cdefg      h
4. defgh      i
...

Писать персептрон на php я не хочу. С моей точки зрения - не самый подходящий язык.
Детальнейшее описание реализации многослойного персептрона (и других нейронных сетей) есть в Нейрокомпьютер. На данном форуме есть ветка искуственный интеллект там появляется один из лучших в России разработчиков нейросетевого ПО Виктор Царегородцев. Свяжитесь с ним.

Mirkes спасибо за информацию
но в Вашем примере у меня возникает вопрос, если я в дальнейшем дам нейронке пример не из обучаемых примеров, т.е. efghi он мне не сможет ответить j т.к. здесь просто без весов и т.д.
или я не прав?

спасибо

Не прав.
Я говорил только о формировании обучающей выборки. И не слова не писал об обучении и т.д.
Предложенный способ формирования обучающей выборки подходит для любого способа обработки: линейной и квазилинейной регрессии, непараметрической статистики, генетических алгоритмов, рациональной регрессии, нейросетевой обработки и т.д.
Веса, как правило возникают в регрессоре того или иного вида, а не в обучающей выборке. 
Впрочем в обучающей выборке веса тоже могут использоваться при обучении. Читайте главу "Оценки" упомянутой в предыдущем посте книги. Там описаны не все возможности, но все же Вы получите представление об испоьзовании весов.
Однако у меня такое ощущение, что у Вас, извините, каша в голове.
Есть нейронная сеть. В ней есть веса связей, которые настраиваются в ходе обучения.
Есть задачник (или обучающее множество) - то, на чем обучается нейронная сеть. В задачнике весов почти никогда не бывает.
Прочитайте хотябы начало книги, там приведена компонентная модель универсального нейрокомпьютера и описаны функции основных компонентов.
Думаю Вам станет понятнее.

оки, спасибо за инфу
по поводу каши, Вы правы