El parámetro Tasa de Aprendizaje varía de 0 a 1, en incrementos de 0.05. Este parámetro ayuda a que la red neuronal aprenda más rápidamente. Sin embargo, se debe tener precaución, ya que un valor alto de Tasa de Aprendizaje puede hacer que la red neuronal se sobreajuste a sí misma y también salte ciertas ramas de búsqueda de patrones, lo que a veces puede producir resultados inexactos.

El parámetro Historial varía de 10 a 200, en incrementos de 1. Este parámetro especifica cuántos sorteos históricos deben ser utilizados por la red neuronal para buscar patrones y calcular números. Aunque cada lotería contenida en las bases de datos de Neural-Lotto abarca más de 200 sorteos, las pruebas han demostrado que los patrones y tendencias se manifiestan con mayor claridad en series más cortas. En general, usar más de 200 sorteos históricos lineales (sin un parámetro de Progresión) tiende a sobreexpresar o volver caóticos los conjuntos de patrones. Este parámetro está estrechamente relacionado con los parámetros Épocas y Progresión.

El parámetro Neuronas/Capas varía de 10 a 990, en incrementos de 10. Este parámetro especifica cuántas neuronas se crean por cada capa oculta (las capas se especifican más adelante). Por ejemplo, si Neuronas/Capas = 50 y Capas = 20, entonces se crearán 1,000 neuronas (50 x 20). Ten en cuenta que esto no incluye Perceptrones. Neural-Lotto puede añadir hasta 20,000 Perceptrones adicionales según las condiciones generales, los parámetros del usuario y el conjunto de datos históricos, según lo considere necesario. Un mayor número de neuronas no necesariamente se traduce en mayor precisión, dependiendo de las condiciones existentes, pero sí requerirá más tiempo de procesamiento. Se requiere experimentación con la lotería que elijas para obtener resultados óptimos.

El parámetro Épocas varía de 100 a 10,000, en incrementos de 100. Este parámetro especifica cuántos ciclos de entrenamiento deben completarse (ejecutar, comparar, ajustar) antes de la ejecución final. En ciertos casos, Neural-Lotto no completará todas las épocas si se alcanza el resultado deseado antes (cuando al menos el 50% de las épocas especificadas se han ejecutado). Sin embargo, entrenar a Neural-Lotto hasta el número máximo de ciclos no garantiza necesariamente la máxima precisión, ya que es posible excederse y hacer que la red neuronal se desvíe. Este parámetro está estrechamente relacionado con los parámetros Tasa de Aprendizaje y Momento. Mientras que otras redes neuronales inferiores o menos avanzadas requieren hasta 5 millones de ciclos o más de entrenamiento, el altamente avanzado NeuralReality AI Engine necesita 10 mil ciclos, o menos. Una vez más, la experimentación es la mejor forma de proceder en este caso.

El parámetro Capas varía de 1 a 999, en incrementos de 1 (aproximadamente). Este parámetro especifica cuántas capas ocultas se crearán, cada una con la cantidad de neuronas indicada. Por ejemplo, si Neuronas/Capas = 50 y Capas = 20, entonces se crearán 1,000 neuronas (50 x 20). Más capas ocultas se traducen en una red más estable, pero no necesariamente en mayor precisión. Esto también exige más trabajo al algoritmo dinámico de retropropagación multihilo. Si bien es deseable en ciertas condiciones, un exceso de capas ocultas puede generar una red neuronal enorme que aprende lentamente y puede requerir cantidades no seguras de Momento (explicado más adelante) para lograr convergencia. Al igual que con el parámetro Neuronas/Capas, lo mejor es probar cuidadosamente y observar los resultados.

El parámetro Algoritmo varía de 1 a 5, en incrementos de 1. Este parámetro especifica cuál de los 5 algoritmos de aprendizaje de inteligencia artificial de lógica difusa altamente adaptativos se utilizará para procesar los datos. No existen reglas estrictas sobre cuál algoritmo es mejor; por ello, no se proporcionan descripciones ni nombres.

El parámetro Progresión varía de 0 a 200, en incrementos de 1. Este parámetro especifica cuántos bloques históricos decrecientes (retroprogresión) se utilizan con fines de entrenamiento. Por ejemplo, si Progresión = 10 e Historial = 100, entonces se ejecutan 10 ciclos/bloques/pasos (x Épocas). Así, en una lotería con 2000 sorteos históricos, los sorteos del #1900 al #1999 (Historial = 100) se utilizan para encontrar el patrón que da como resultado el sorteo #2000 (Progreso 1). Luego, los sorteos del #1899 al #1998 (nuevamente Historial = 100) se usan para encontrar el patrón que da como resultado el sorteo #1999 (Progreso 2), y así sucesivamente, hasta completar 10 Progresos (bloques), terminando con los sorteos del #1891 al #1990 utilizados para encontrar el patrón que da como resultado el sorteo #1991 (Progreso 10). Debe tenerse precaución, ya que este parámetro (cuando es igual o mayor que 1) efectivamente se multiplica por el número de Épocas. Un valor de 0 desactiva el parámetro, resultando en el uso de solo un bloque histórico para obtener el último sorteo. Usar el valor máximo efectivamente duplica la cantidad de sorteos históricos utilizados.

El parámetro Momento varía entre 0 y 1, en incrementos de 0.05. Este parámetro ayuda a la red neuronal a evitar asentarse o converger en mínimos y/o óptimos locales, mejorando la velocidad de aprendizaje en algunas situaciones al suavizar condiciones inusuales presentes en el conjunto de datos de entrenamiento. Se debe tener cuidado al ajustar el Momento: si se establece un valor demasiado alto, existe el riesgo de sobrepasar los mínimos (y/o óptimos), lo cual puede desestabilizar la red neuronal. Un valor demasiado bajo no evita de forma confiable los mínimos/óptimos locales y también puede hacer que el entrenamiento del sistema sea lento. Se recomienda la experimentación y observación.

El parámetro Rueda permite seleccionar más números de salida que los permitidos normalmente por la lotería que hayas elegido. Por ejemplo, si tu lotería es del tipo 6/49, el parámetro Rueda indica a la red neuronal que genere 7 o más números, en lugar de los 6 habituales. Los números resultantes pueden utilizarse luego en un sistema de rueda de lotería de tu preferencia. Si este parámetro no está seleccionado, la red neuronal solo generará los números base estándar de la lotería. Ten en cuenta que no todas las loterías son "rodables" — es decir, no permiten aplicar sistemas de rueda.