neurosolutions7免费版|NeuroSolutions(人工神经网络工具)下载v7.1.0.0最新版

NeuroSolutions 是一个具有高度图象神经网络开发工具。是目前世界领先的科技，它基于图标的网络界面，用以实现高级的学习过程。

软件介绍

软件可以用来设计、训练、运用被监督的和不被监督的神经网络模型来完成不同的任务，像周期性的反向传播算法、定时后向传播和基因优化等等。

NeuroSolutions提供了四种方式构建神经网络，分别是NeuralExpert、NeuralBuilder、pre-recorded macro和手动创建。运行NeuralExpert是构建神经网络最简单的方法。本文主要介绍如何利用NeuralExpert构建神经网络。

NeuralExpert是以询问的方式智能地构建神经网络。基于所需要解决问题的描述，NeuralExpert配置了相关参数和探头。一旦你选择了问题的类型，你可以看到左侧面板上需要回答的所有问题。

你可以点击这些步骤/号码浏览问答。一旦神经网络构建成功，你可以直接在breadboard上或者 NeuralExpert内修改相关设置。因此，即使你不了解神经网络类型，你也可以通过NeuralExpert建立出成功的神经网络模型。

neurosolutions7功能

1、Data Manager (数据管理师)

Data Manager模块帮助用户从Microsoft Access, Microsoft Excel，或文本文件导入数据和进行各种各样的数据预处理和数据分析操作。从这里，用户可以直接把数据载入NeuroSolution 面板或用这些数据构造一个新的神经网络。

2、NeuralBuilder(神经网络构建师)

NeuralBuilder 集中了设计规范根据用户想建立的具体的神经网络结构。其中一些常见的结构包括：

·Multilayer Perceptron (MLP) 多层感知器

·Generalized Feedforward 通用前馈网络

·Modular 模组网络

·Jordan/Elman

·Principal Component Analysis (PCA)

·Radial Basis Function (RBF) 辐径基底函数网络

·General Regression Neural Network (GRNN) 通用回归神经网络

·Probabilistic Neural Network (PNN) 概率神经网络

·Self-Organizing Map (SOM) 自组织映射网络

·Time-Lag Recurrent Network (TLRN) 时间滞后循环网络

·Recurrent Network 重复网络

·CANFIS Network (Fuzzy Logic) 模糊逻辑网络

·Support Vector Machine (SVM) 支持向量机

当神经网络结构选定后，用户可以设定象隐藏层层数，神经元个数和学习算法等各种参数。如果用户不是很确定要设定的参数，内部的遗传算法可以用来优化参数设定。

3、NeuralExpert(神经网络专家)

根据用户想要用神经网络解决的问题类型(分类，预测，方程逼近，或丛集)，NeuralExpert 集中了各种各样的设计规范。根据问题类型和用户拥有的数据数量，NeuralExpert可以智能地选择会产生好的方案的神经网络结构和神经网络规模。用户在NeuralExpert里也可选择初学者级，这样一些高级的操作例如交叉检验和遗传优化等将被被隐藏起来。

NeuroSolutions 是建立在以下这样一个概念上：神经网络可以分成神经组件，单个看这些组件相对的简单，但当把几个组件连接起来可以构成一个能够解决非常复杂问题的网络。网络构建向导(network construction wizards) 会根据用户的规范把这些组件连接起来。但是在神经网络构建之后，组件以及组件之间的连接仍然可以变动，这样你可以拥有无穷多可能的神经网络模型。NeuroSolutions 还可以通过动态连接库(DLL)让你融合进你自己的算法. 每个NeuroSolutions组件对应于一个符合C语言协议的函数。为添加一个新的组件用户只需修改基本组件对应的模板函数然后编译成动态连接库。

NeuroDimension 公司为用户的应用程序提供三种方式和NeuroSolutions融合来产生用户定制的神经网络解决方案。

4、Code Generation (源代码生成器)

NeuroSolutions 可以根据由其自身GUI设计生成的神经网络自动地生成C++源代码。这项功能为具体的应用程序定制神经网络源代码提供了很大的灵活性。由于生成的代码是ANSI兼容的，用户可以方便地把神经网络解决方案移植到其他平台例如UNIX.

5、DLL Generation (动态连接库生成器)

Custom Solution Wizard (顶制方案向导)是一个可选的附件产品。它可将NeuroSolutions生成的神经网络模型封装成一个拥有简单协议的动态连接库。这个DLL可以嵌入用户自己的C++,Visual Basic, Microsoft Excel, Microsoft Access, ASP等应用程序中。这种方法的重要优势在于即使用户不是一个高级程序员也可以方便容易地使用它。

6、OLE Automattion (对象链接与嵌入自动化)

这项技术提供了从任何支持自动化的应用程序中程序化地控制NeuroSolutions的能力，例如Microsoft Excel, Microsoft Access, 和用Visual Basic或Visual C++开发的应用程序。在最简化的情形，应用程序可以送数据给NeuroSolution进行处理，然后把结果回馈给应用程序。基于NeuroSolutions的广泛协议，通过它可以完成非常复杂的任务。

neurosolutions7特点

1、输入投影

通过自动将多条信息映射至单一输入，进一步减小了输入的规模

2、输入优化

通过贪婪搜索回除法和其他方法自动决定最有用的输入

3、CUDA GPU处理

NeuroSolutions的用户可以通过使用NeuroSolutions CUDA插件管理NVIDIA显卡的强大处理能力

4、更快的处理速度

软件改进了对多核处理器的使用，优化了可执行编码，这都使得训练时间极大的减少

5、支持向量机回归

支持向量机回归(SVM-R)

6、增强了随机神经网络的支持

7、神经模糊

其神经模糊系统(CANFIS)模型集成了神经网络的模糊输入，一边快速的解决模糊定义的问题

8、支持向量机

其支持向量机(SVM)模型将输入映射入一个大尺寸的特征空间，然后通过对与数据边界叫相近的输入数据进行隔离，以最优化的将数据分离入其相应的类中。这在分离那些共享着复杂的边界的数据集尤其有效。

9、Levenberg-Marquardt

第二序列学习算法较原动力学习算法在速度上有了相当大的提高，并且往往出错率更低

10、导师强迫/迭代预测

有一些时间序列问题能通过一种被称为“导师强迫”的方式进行最佳模式化处理。为提高多部预测的准确率，这种特殊的训练算法将预测的输出结果反馈入了输入中。

11、临时神经网络

NeuroSolutions是当前少数几种完全支持通过时间反向传播(BPTT)的神经网络开发工具之一。其与传统的将静态输入映射入一个静态输出不同，BPTT可以将一系列输入映射入一系列输出中，这使得其可以通过提取数据每次的变化来解决临时的问题。

12、用户自定义的神经拓补结构

NeuroSolutions是基于以下内容而应用的，即神经网络可以分解为一个神经组件的基础性集合。每一个单独的组件都是相对简单的，但是将多个组件连接起来以后，其即可组成网络以解决相当复杂的问题。网络组建向导可以根据用户指定的条件为之连接相应的组件。然而，一旦该网络创建好了，用户即可任意的改变其相互联系或者添加入新的组件，换而言之，即几乎可以创建无限的神经模型。

13、用户自定义的神经组件

每一个NeuroSolutions组件都应用了一个函数以遵循一个C编写的简单协议。如需添加一个新的组件，用户只需简单的修改基础组件的模板函数，然后将其代码编译为一个DLL文件---这一切都可以在NeuroSolutions中完成!

14、C++代码生成

通过使用NeuroSolutions开发者层级，应用程序开发员可通过使用自定义解决方案向导生成DLL或为网络生成C++源码的方式将NeuroSolutions神经网络集成入其应用程序中。该NeuroSolutions代码生成工具如同其面向对象的开发环境一样稳健。无论您在图形用户界面中创建的神经网络是多么的简单或者复杂，NeuroSolutions都能生成等价的ANSI C++源码的神经网络—即使这些神经网络中以DLL的方式含有您自己设计的算法。

15、大量的探索功能

NeuroSolutions提供了大量通用的探索工具集，用户便再也无需担心这种情况的发生了。探索工具使得用户可以实时的访问内部网络参数，

16、遗传优化

NeuroSolutions的用户层以及以上层级包含了遗传优化功能。遗传优化功能使得用户可以对神经网络中的任意参数进行优化，以降低出错率。比如，用户可以对隐藏单元的数量，学习率，以及输入选择等进行优化以提高神经网络的性能。

17、敏感度分析

敏感度分析是一种用于提取神经网络的输入与输出之间的原因以及影响关系的方法。其基本的设计理念是，神经网络的输入通道发生轻微偏移，输出端即可相应的对之进行报告。那些只产生较小的敏感值的输入通道将被视为无关紧要的，因此常常被从神经网络中移除掉，这种操作减小了神经网络的规模，而这也反而减少了网络的复杂性以及所需的训练时间。此外，这还将提高网络对样本数据测试的性能。

18、样本加权

分类问题中往往每一个类都不可能具有相同数目的训练样本，比如，用户可能拥有一个用于检测临床测试数据中癌症发生概率的神经网络应用程序，该问题的测试数据可能包含了99个分类为非癌症患者的样本，以及一个被标记为癌症患者的样本数据。此时，一个标准化得神经网络将往往将所有的样本分类为非癌症患者，因此其有99%的准确率，而事实上，其目的应该是检测到存在的癌症患者，因此这暴露出了问题。

NeuroSolutions为用户提供了一种更佳的解决方案，即使用了一种名为加权的方式。以以上例子为例，训练样本中的每一个癌症患者在反向传播中都将拥有比非癌症患者高99倍的权重。这种平衡训练数据的方式使得系统能以一种更有的方式进行癌症数据的检测。

19、宏指令

NeuroSolutions拥有一套综合全面的宏语言，这使得用户可以记录操作的顺序，并将之存贮为程序。每一个可以使用鼠标或者键盘进行操作的动作都可以使用一条宏语句操作。这项强大的功能使得用户在构建，编辑和运行神经网络时拥有了前所未有的灵活性。

20、OLE自动化

lNeuroSolutions是一个完全兼容OLE自动化的服务器。这意味着其可以从OLE自动化控制器中接受控制信息，比如Visual C++, Visual Basic, Microsoft Excel, Microsoft Access, 和Delphi.等