Нейропакет

Cтраница 1

Нейропакет QwikNet32 ( версия 2.1) предназначен для работы в среде Windows и особых требований к вычислительным ресурсам не предъявляет. [1]

Диалоговое окно при выполнении масштабирования данных. [2]

Нейропакет имеет опцию, позволяющую проводить соответствующее масштабирование и обратное преобразование к естественным, исходным значениям. [3]

Нейропакет ориентирован на широкий круг задач - от создания прогностических приложений до организации систем распознавания образов и нейросетевой памяти. Значительное количество функций программы ориентировано на специалистов в области исследования нейронных сетей. Следует отметить, что организация внутреннего представления нейросетевых моделей является прозрачной и легко доступной для программного наращивания. В программе BrainMaker предусмотрена система команд для пакетного запуска. Существует интерфейсная программа-функция для включения обученных сетей в программы пользователя. В целом пакет может быть легко интегрирован в программный комплекс целевого использования. [4]

Нейропакет работает под Windows и крайне нетребователен к вычислительным ресурсам. Хотя программа декларируется как нейропакет, на самом деле она не создает нейронную сеть в обычном понимании и не использует известные алгоритмы обучения. [5]

Нейропакет NeuroSolutions содержит мощные средства для организации обучающих выборок, Встроенные конверторы данных поддерживают графические изображения в формате BMP, текстовые файлы с числовыми или символьными данными, а также функции непрерывного аргумента ( например, времени), заданные в аналитическом виде или в виде выборки значений. Нейропакет позволяет использовать любые внешние конверторы данных. [6]

В нейропакет встроен мощный нейроконструктор, позволяющий создавать любые нейронные структуры. [7]

Диалоговое окно для задания имени выходного файла. [8]

Запустим нейропакет, откроем файл xor. [9]

Рассмотрим несколько нейропакетов, предназначенных для реализации на персональных компьютерах в различных операционных средах, по степени их универсальности, а также с точки зрения простоты использования и наглядности представления информации. [10]

Реализуемые в нейропакетах алгоритмы обучения нейронных сетей можно разделить на три группы: градиентные, стохастические, генетические. Градиентные алгоритмы ( первого и второго порядков) основаны на вычислении частных производных функции ошибки по параметрам сети. В стохастических алгоритмах поиск минимума функции ошибки ведется случайным образом. Генетические алгоритмы комбинируют свойства стохастических и градиентных алгоритмов: на основе аналога генетического наследования реализуют перебор вариантов, а на основе аналога естественного отбора - градиентный спуск. [11]

Диалоговое окно задания структуры нейронной сети.| Окно нейропакета после завершения процесса обучения. [12]

Заметим, что нейропакет предоставляет достаточно широкие возможности контроля качества обучения. [13]

Приведенные основные характеристики универсальных зарубежных нейропакетов и их сравнение с точки зрения простоты использования и спектра предоставляемых услуг для моделирования искусственных нейронных сетей дают возможность из большого количества существующих нейропакетов выбрать наиболее пригодный для практической работы. Суммарная оценка дает представление о нейропакете в целом. [14]

Результаты тестирования обученной нейронной сети.| Данные для опроса обученной нейронной сети.| Результаты опроса нейронной сети. [15]

Страницы: 1 2 3 4