Кто хорошо разобрался с FANN, подскажите, как с ними работать)

Хочу написать советника с использованием этой библиотеки.

В советнике хочу увидеть следующее: если идет оптимизация, то должно происходить обучение нейросетки и ее сохранение,

а если идет тестирование или торговля, то сетка не меняется. Для примера возьмем самый простой набор данных:

То есть на входы подаются значения nn_input последних приращений хаев (начиная с второго), а в качестве эталонного выхода - разница

хаев последнего и предпоследнего сформировавшихся баров.

По логике вещей, для обучения надо использовать функцию типа (взята из статьи Использование библиотеки FANN2MQL в MetaTrader ):

double teach() {
   int i,j;
   double MSE;
   double inputVector[];
   double outputVector[];
   ArrayResize(inputVector,f2M_get_num_input(ann));
   ArrayResize(outputVector,f2M_get_num_output(ann));
   int call;
   int bufferSize = ArraySize(trainingData)/(f2M_get_num_input(ann)+f2M_get_num_output(ann))-1;
   for (i=0;i<bufferSize;i++) {
      for (j=0;j<f2M_get_num_input(ann);j++) {
         inputVector[j] = trainingData[i][j];
      }
      outputVector[0] = trainingData[i][3];  //  в нашем случае будет другая размерность
      call = f2M_train(ann, inputVector, outputVector);
   }
   MSE = f2M_get_MSE(ann);
   return(MSE);
}

И потом сравнивать ее результат с допустимым среднеквадратичным отклонением, проводя подбор весов.

Все это предисловие)))
А теперь по существу:
1) Как подготовить данные для teach()?
2) Как запомнить полученные веса?
3) И как эти веса потом достать и заставить сетку выдавать результат/прогноз?

Сразу оговорюсь по поводу первого вопроса: метод, используемый в вышеуказанной статье не подходит, потому что в нем проблематично
 менять количество входов, да и при большом количестве аргументов функция 
void prepareData(string action, double a, double b, double c,..., double output)
выглядит не очень хорошо.
Очень надеюсь на ваши советы)