Студопедия Главная Случайная страница Обратная связь

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Пакет Excel Neural Package





Семейство продуктов Excel Neural Package расширяет функциональные возможности широко распространенного средства работы с данными Microsoft Excel 97 (и выше), предоставляя в распоряжение пользователя новейшие алгоритмы обработки данных, использующие последние достижения теории нейронных сетей. Технически семейство продуктов реализовано как набор надстроек (add-ins) над Microsoft Excel.

На текущий момент семейство продуктов Excel Neural Package состоит из двух независимых компонент:

· Winnet 3.0 - программа-эмулятор нейросети для построения нелинейных моделей, обобщающих эмпирические данные. Удобный и простой в использовании инструмент статистического прогнозирования.

· Kohonen Map 1.0 - программа для построения самоорганизующихся карт Кохонена. Удобный инструмент графического анализа многомерных данных.

В дальнейшем пакет предполагается дополнить новыми компонентами, в частности, для предсказания финансовых временных рядов.

Winnet 3.0 программно реализует распространенную архитектуру нейронной сети - многослойный персептрон. Предназначен для поиска и моделирования скрытых зависимостей в больших массивах численной информации, для которых в явном виде аналитические зависимости не известны.

Основные характеристики Winnet 3.0 приведены в табл. 3.3.

Таблица 3.3

Число строк данных, обрабатываемых программой 65536 (ограничение наложено Excel)
Число столбцов данных 256 (ограничение наложено Excel)
Преобразования входных данных Линейное, сигмоидальное, нормировка на среднее/дисперсию, нормировка на минимум/максимум
Возможность выявления релевантных переменных до стадии обучения нейронной сети Обеспечивается благодаря применению энтропийного анализа - алгоритма Boxcounting
Число слоев нейронной сети до 5
Число нейронов в каждом слое Зависит от количества свободной памяти
Используемые переходные функции Линейная, гиперболический тангенс
Возможность использования нейронов высоких порядков Позволяет строить более сложные модели данных
Используемые алгоритмы обучения Backpropagation с адаптивным выбором параметров обучения Rpropagation Алгоритмы обучения подключаются к Winnet 3.0 как внешние модули, поэтому их число не фиксировано

Winnet 3.0 имеет удобный графический интерфейс и обладает большими возможностями контроля за процессом обучения:

· отображение в процессе обучения графиков ошибок обучения и обобщения;

· отображение диаграмм рассеяния " реальное значение, предсказанное нейросетью" для каждого выхода нейронной сети;

· широкие возможности выбора тестового множества;

· остановка обучения по достижении различных критериев останова.

 







Дата добавления: 2014-11-10; просмотров: 2481. Нарушение авторских прав; Мы поможем в написании вашей работы!




Важнейшие способы обработки и анализа рядов динамики Не во всех случаях эмпирические данные рядов динамики позволяют определить тенденцию изменения явления во времени...


ТЕОРЕТИЧЕСКАЯ МЕХАНИКА Статика является частью теоретической механики, изучающей условия, при ко­торых тело находится под действием заданной системы сил...


Теория усилителей. Схема Основная масса современных аналоговых и аналого-цифровых электронных устройств выполняется на специализированных микросхемах...


Логические цифровые микросхемы Более сложные элементы цифровой схемотехники (триггеры, мультиплексоры, декодеры и т.д.) не имеют...

ОЧАГОВЫЕ ТЕНИ В ЛЕГКОМ Очаговыми легочными инфильтратами проявляют себя различные по этиологии заболевания, в основе которых лежит бронхо-нодулярный процесс, который при рентгенологическом исследовании дает очагового характера тень, размерами не более 1 см в диаметре...

Примеры решения типовых задач. Пример 1.Степень диссоциации уксусной кислоты в 0,1 М растворе равна 1,32∙10-2   Пример 1.Степень диссоциации уксусной кислоты в 0,1 М растворе равна 1,32∙10-2. Найдите константу диссоциации кислоты и значение рК. Решение. Подставим данные задачи в уравнение закона разбавления К = a2См/(1 –a) =...

Экспертная оценка как метод психологического исследования Экспертная оценка – диагностический метод измерения, с помощью которого качественные особенности психических явлений получают свое числовое выражение в форме количественных оценок...

Этические проблемы проведения экспериментов на человеке и животных В настоящее время четко определены новые подходы и требования к биомедицинским исследованиям...

Классификация потерь населения в очагах поражения в военное время Ядерное, химическое и бактериологическое (биологическое) оружие является оружием массового поражения...

Факторы, влияющие на степень электролитической диссоциации Степень диссоциации зависит от природы электролита и растворителя, концентрации раствора, температуры, присутствия одноименного иона и других факторов...

Studopedia.info - Студопедия - 2014-2025 год . (0.012 сек.) русская версия | украинская версия