最新的技術
NeuroDimension與世界知名的佛羅里達大學計算類神經工程學研究所有緊密的關聯。這使得在使用NeuroSolutions的軟体工程師能夠將現階段最頂尖的類神經科技結合在這個軟体中。以下是在NeuroSolutions中可得到的最常被運用的類神經類網路結構與學習方法。
Neural
Architechtures(類神經結構)
*
Multilayer Perceptron(MLP)
* Generalized Feedforward
* Modular
* Jordan/Elman
* Self-Organizing Map (SOM)
* Principal Component Analysis (PCA)
* Radial Basis Function (RBF)
* Probabilistic Neural Network (PNN)
* General Regression Neural Network (GRNN)
* Time Delay Neural Network (TDNN)
* Time-Lag Recurrent Network (TLRN)
* Recurrent Network
* Neuro-Fuzzy (CANFIS)
* Support Vector Machine (SVM)
Learning
Methods(學習方法)
*
Backpropagation
* Backpropagation through Time (BPTT)
* Recurrent Backpropagation
* Conjugate Gradients
* Teacher Forcing/Iterative Predication
* Unsupervised Learning
* Hebbian
* Ojas
* Sangers
* Kohonen
使用起來更簡單的設計
類神經網路是相當複雜的系統，但是包含在NeuroSolutions中的兩個網路建構精靈，將使得設計的過程變得相對地簡單。
類神經專家(Neural
Expert)
Neural Expert將重點放在關於你想要解決的問題類型(如分類，預測，函數逼近跟資料探勘)的設計過程。你只要將您要分析之問題型態及資料大小，NeuroExpert會根據你提供的問題類型及資料群組之大小加以輸入，來選擇合適之神經網路，並自動建立一個符合問題類型之神經網絡解決方案。另外有一個初學級之選項，會將一些較進階的功能加以隱藏，如交叉驗證跟基因演最佳化。
類神經建立者(NeuralBuilder)
NeuralBuilder 將重點放在你希望已經建立的特殊類神經網路結構的類神經網路設計過程。一旦你選擇了可供選取的20+類神經結構，你可以自行設定如在隱藏層中的數字，程序元素的數量及學習演算等的參數。如果你不知道參數應該設在那裡，你可以具体指定使用一個能夠使你的設定充份運用的基因演算法。
|
|
一旦你選擇了最符合你的應用需要的Wizard，你僅需要做些小小的其它步驟。在某些例子裡，預設的參數組會創造一個可以解決你的問題的類神經網路。當然當類神經網路已經被建立好改善執行情形時，你也可以隨時調整參數。
網路內部的監測
類神經網路總是被評批是一個”黑盒子”科技。但是隨著NeuroSolutions廣泛及多變的監控工具組的出現，情況已經跟以前不相同了。監控工具提供了即時的連接到所有的內部網路參數與資料功能，如
* Inputs/Outputs輸入/輸出
* Gradients陡降波法
* Hidden States隱藏狀態
* Correlation相關性
* Errors誤差
* Weights權重
* Sensitivities敏感度
* Classification Results分類結果
監測是一個在類神經網路設計過程中很重要的步驟，因此我們已經將它整合到NeuroSolutions中。一旦監測物件被放置到資料連結點，你可以瀏覽數值資料，檢視以圖形表現的資料，或者是將資料輸出成檔案。類神經網路將不再是一個黑盒子!
充分運用網路的參數
或許有時候你不太確定你的類神經網路應該有多少隱藏的過程元素，或者是那個輸入值提供了有用的資訊。NeuroSolutions採用基因演算法，可以自動地調整參數及選擇最適當的輸入組合。透過多次訓練，網路會聰明地尋找參數及數入值的最佳組合。
無比的彈性
Neruosolution靠著滿足大部分的高階使用者的彈性需求而在眾多競爭中脫穎而出。這些進階特色可以歸納出下列幾項重點：
* User-defined Neural Topologies-可任意地變更內部連接，資料流量以及/或者在網路中增加新的類神經元件。
* User-Defined Neural Algorithms-可以整合自己所開發之演算法至NeuroSolutions模型中，透過顯示元件的初始C程式碼並且修改它到符合你的需求。
* C++ Code Generation-靠著轉換類神經網路的演算(非圖形部分)到ANSI-C++原始碼然後將這個原始碼嵌入你自己的應用程式中。
* Sensitivity Analysis-分析每一個類神經輸入值的相關重要性，這樣一來你可以刪除那些不重要的部分。
* OLE Automation-用 Visual C++, Visual Basic,
Excel, Access or Delphi寫成的外部應用程式控制NeuroSolutions並且交換資料。
| 系統需求： |
| Windows
95/98/Me/2000/XP或者更高階系統 |
|
32MB記憶体/40MB可用的硬体空間 |
|
