Neuroproject.ru / Главная страница
   Главная / Каталог программ


 

О компании
Програмные продукты
Услуги
Обучение
Материалы
Форум
     НейроПрактикум   

   NeuroShell 2       GeneHunter       NeuroShell Predictor       NeuroShell Classifier       NeuroShell runtime server

   Deductor
 
NeuroShell 2
Универсальный пакет для нейросетевого анализа данных

   Полная информация о товаре

    Обзор возможностей
    Реализованные нейросетевые архитектуры
    Возможности анализировать работу Ваших сетей
    Графические средства анализа данных
   Дополнительные возможности для работы с биржевыми данными

Возможности анализировать работу Ваших сетей

NeuroShell 2 позволяет Вам несколькими способами проанализировать, насколько хорошо работает Ваша сеть.

1.   Анализ важности входных переменных.

Для сетей с обратным распространением ошибки модуль Показатели Важности вычислит для каждой входной переменной некоторое число. Это число является грубой мерой важности этой переменной для предсказания выхода сети по отношению к другим входным переменным той же сети. Подобные показатели важности имеются также у наших сетей с Генетическим Поиском.

Модуль тренировки сетей МГУА позволяет путем анализа полученной сети выделить самые существенные входные переменные и менее существенные входные переменные. Все остальные входные переменные можно считать несущественными и из дальнейшего расмотрения исключить.

Анализ важности входных переменных позволяет Вам исключить из рассмотрения наименее существенные из входных переменных, что облегчает задачу тренировки сети и часто повышает точность предсказаний.



2.   Статистические показатели работы сетей.

Когда Вы применяете натренированную сеть с обратным распространением ошибки, Вы можете вычислить нескольких статистических показателей, включая R квадрат - коэффициент множественной детерминации, часто используемый статистический индикатор. Вы можете вычислить также среднюю квадратичную ошибку, среднюю абсолютную ошибку, минимальную и максимальную абсолютные ошибки предсказаний сети по сравнению с желаемыми ответами. Помимо этого, может быть найден линейный коэффициент корреляции r - статистический показатель силы взаимосвязи между желаемыми и действительными ответами сети.

Такие же статистические показатели вычисляются для Нейронной Сети с Общей Регрессией и для полиномиальной сети (сети МГУА).

Для Вероятностных Нейронных Сетей, которые классифицируют данные, вычисляемые статистические показатели отражают правильность классификации и показывают количество и долю правильных и ложных классификаций.


    Обзор возможностей
    Реализованные нейросетевые архитектуры
    Возможности анализировать работу Ваших сетей
    Графические средства анализа данных
   Дополнительные возможности для работы с биржевыми данными

     НейроПрактикум       NeuroShell 2       GeneHunter       NeuroShell Predictor       NeuroShell Classifier       NeuroShell runtime server

   Deductor


Rambler's Top100 Rambler's Top100