注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

易拉罐的博客

心静自然凉

 
 
 

日志

 
 

神经网络仿真软件--NeuroSolutions 介绍  

2010-05-08 23:12:42|  分类: 神经网络 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |

类神经网络是一种能适应新环境的系统,它针对过去经验 (信息)的重覆学习,而具有分析、预测、推理、分类…等能力,是当今能够仿效人类大脑去解决复杂问题的系统,比起常规的系统(使用统计方法、模式识别、分类、线性或非线性方法)而言,类神经网络为基础的系统具有更强大的功能和分析问题技巧可以用来解决信号处理、仿真预测、分析决策……等复杂的问题。NeuroSolutions提供了90种以上的视觉化类神经组件,可让使用者任意连接及合成不同的网络架构以实现类神经网络仿真及专业化应用,这样同时兼具视觉化美感的操作界面及强大功能的专业化软件,是其他同等级的产品所望其项背的。

神经网络仿真软件--NeuroSolutions 介绍 - 易拉罐bb - 易拉罐的博客

More Information:

http://www.cnTech.com.cn/

euroSolutions(The Neural Network Object-Oriented Simulation Environment) ---最热门之神经网络仿真软件,它可以协助你快速建构出你所要的神经网络、让你方便来训练、测试你的网络。

特色:

面向对象,图形人机界面方便使用,可利用拖拉 方式建立出你要的网络模型

提供NeuralWizard,协助找寻所需 要的网络,并自动建构出你所需要的模型

提供NeuralExpert专家分析系统,以询问方式协助建构网络模型

提供Testing Wizard,协助快速测试神经网络

NeuroSolutions for Excel,让你可以透过Excel来输入数据,建立网络,测试模型

具有动态神经网络模型分析

可使用监督式与无监督式之网络模型分析

使用者自 定义的类神经组件

可将模型转成C++ 原始码

提供DLL动态联结数据库及OLE对象连结及嵌 入技术

资料监测(Probing)功能

具有GA Server和 GA Library

神经网络的应用领域:

影像与语音辨识处理

自动工程控制

决策分析与预测

医疗诊断分析

工业流程控制

NeuroSolutions支持至少15种模型:

Multilayer Perceptron (MLP)

Generalized Feedforward Network

Modular Network

Jordan/Elman Networks

Self-Organizing Map (SOM)

Principle Component Analysis (PCA)

Radial Basis Function (RBF)

Neuro-Fuzzy Network (CANFIS)

Hopfield Network

Probabilistic Neural Network (PNN)

General Regression Neural Network (GRNN)

Time Delay Neural Network (TDNN)

Time-Lag Recurrent Network (TLRN)

Support Vector Machine Network

General Recurrent Network

 

NeuroSolutions v3.42 (The Neural Network Object-Oriented Simulation Environment) 类神经网络对象导向式仿真环境

 

类神经网络是一种能适应新环境的系统,它针对过去经验 (信息)的重覆学习,而具有分析、预测、推理、分类…等能力,是当今能够仿效人类大脑去解决复杂问题的系统,比起常规的系统(使用统计方法、模式识别、分类、线性或非线性方法)而言,类神经网络为基础的系统具有更强大的功能和分析问题技巧可以用来解决信号处理、仿真预测、分析决策……等复杂的问题。NeuroSolutions提供了90种以上的视觉化类神经组件,可让使用者任意连接及合成不同的网络架构以实现类神经网络仿真及专业化应用,这样同时兼具视觉化美感的操作界面及强大功能的专业化软件,是其他同等级的产品所望其项背的。

 NeuroSolutions 功能说明 :

Object Oriented Core:

NeuroSolutions 所有模块的演算式设计都已转成对象导向语言(OOP)的模式,尤其当我们注重仿真的速度时,对象导向语言的设计方式拥有极大的优势。在常规上,直译式的设计环境有较大的弹性,但是其仿真速度非常慢,换句话说,以编译码的方式进行仿真的速度会非常快,但通常会受限于使用者界面的操控性而不够灵活。因此,对象导向的设计方式结合了直译式灵活的使用者界面与编译式高速运算的优点,可以说是最理想的Neural-CAD。

Temporal Processing

如同许多类神经网络软件一般,刚开始我们所设计的软件在训练网络时期只支持静态学习法则 (例如:他们只能使用现在一瞬间的信息),这种严重的缺点是导致在大部分应用上降低效能的原因,例如: 程序控制、时间序列分析、预测、不固定信号分类…等。因此,我们加强了周期性拓朴及动态类神经网络(例如: 加强记忆架构),并且应用最先进的学习法则(例如: BP through time)在解决时间序列的问题上。

Graphical User Interface

NeuroSolutions 的对象导向式界面提供了架构类神经网络所必须具备的工具,而且每一个对象皆以不同的图像来表示,方便使用者辨别其功能。使用者只需将类神经组件(例如: 神经元、神经键、徒坡搜寻引擎…等)布局在图形化面板上,并且将它们连接在一起形成类神经网络,接着引入信号到输入神经元,最后我们就可以利用视觉化探测组件显示出网络的整体运作过程。\

Probing:

当我们架构好一个类神经网络后,就可利用探测组件来运行监测网络运作过程的工作,其显示型态完全依所欲观察的信息而定,并且可以撷取出网络内部所有的变量 (inputs/outputs, weights, errors, hidden states, gradients, and sensitivities….)。其中静态的探测组件只能显示当前瞬间的信息,而暂存的探测组件会暂时保存信息,并将信息对映到整个时间轴、频率轴或空间轴显示出来。

 

 

 

 

 

 

  评论这张
 
阅读(476)| 评论(0)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017