Neyron şəbəkələri. Statistik Neyron Şəbəkələri. Müasir verilənlərin təhlilinin metodologiyası və texnologiyaları. STATISTICA məhsulları Statistika paketində neyron şəbəkələri

Bu kitabları StatSoft ofisindən əldə etmək olar.

Statistica-da müasir məlumatların təhlili və maşın öyrənməsinə məşhur giriş

V.P. Borovikov

Həcmi: 354 səhifə

Qiymət: 1000 rub.

Müasir kompüter analitikasının trendi olan məlumatların təhlili və maşın öyrənməsinin müasir imkanları populyar və cəlbedici şəkildə vurğulanır. Təqdimat metodların başa düşülməsinə və onların praktiki problemlərə tətbiqinə diqqət yetirir. "Bizi izləyin və məlumatları təhlil etməyi öyrənəcəksiniz!" - kitabın əsas leytmotivi.

Klassik statistik metodlar, o cümlədən çoxvariantlı metodlar ətraflı təsvir edilmişdir: klaster analizi, diskriminant təhlili, çoxsaylı reqressiya, amil təhlili, əsas komponent təhlili, sağ qalma təhlili və Kox reqressiyası. Ayrı-ayrı fəsillərdə neyron şəbəkə üsulları, məlumatların çıxarılması metodları, təsnifat və reqressiya ağacları (CART modelləri) təqdim olunur. İnsan fəaliyyətinin müxtəlif sahələrindən nümunələr nəzərdən keçirilir: sənaye, pərakəndə satış, infokommunikasiya, biznes, tibb. Xüsusi fəsillər maşın öyrənmə üsullarının əsasını təşkil edən ehtimal nəzəriyyəsi və optimallaşdırma üsullarına həsr edilmişdir.

Geniş oxucu kütləsi üçün: mühəndislər, texnoloqlar, menecerlər, analitiklər, həkimlər, məlumatların təhlili və maşın öyrənməsi üçün müasir analitik metodlar və texnologiyalar və onların praktikada tətbiqi ilə maraqlanan tədqiqatçılar.

Sistemdə müasir məlumat təhlilinə məşhur giriş STATİSTİKA

V.P. Borovikov

Həcmi: 288 səhifə

StatSoft-un Elmi Direktoru Vladimir Borovikovun unikal kitabında məlumatların təhlili sahəsində tanınan ən yaxşıların hamısı toplanmışdır.

Biznesdən, marketinqdən, tibbdən sadə, aydın nümunələrdən istifadə edərək məlumatların təhlilinin müasir üsulları təsvir edilmişdir - məlumatların vizual təhlili və qrafik təqdimatı, təsviri statistika, təsnifat və proqnozlaşdırma üsulları.

Kitab Rusiyanın aparıcı universitetlərində məlumatların təhlili sahəsində təhsil standartıdır: NRU MIEM HSE, Moskva Dövlət Universiteti, Kuban Dövlət Universiteti və s.

Təsviri təhlil, məlumatların təmizlənməsi və yoxlanılması, vizual təqdimat, qruplaşdırma və təsnifat üsullarından tutmuş ən son texnologiyalara qədər məlumatların təhlilinin taksonomiyasına çox diqqət yetirilir. neyron şəbəkələri və məlumatlarınızdakı nümunələri tapmaq üçün məlumatların çıxarılması.

Ehtimal nəzəriyyəsi, riyazi statistika və məlumatların təhlili: Kompüterdə nəzəriyyə və təcrübənin əsasları. STATİSTİKA. EXCEL. Problemin həllinə dair 150-dən çox nümunə

Xələfyan A.A., Borovikov V.P., Kalaydina G.V.

Həcmi: 320 səhifə

Qiymət: 600 rub.

Ərizəni ünvana göndərə bilərsiniz

Kompüter texnologiyalarının müasir inkişaf səviyyəsi ehtimallar nəzəriyyəsi və riyazi statistikanın öyrənilməsini yeni təhsil səviyyəsinə çıxarmağa, fənnin tətbiqi hissəsinə - riyazi statistikaya və kompüter məlumatlarının təhlilinə diqqət yetirməyə imkan verir.

Dərslikdə kombinatorikanın elementləri, ehtimalların hesablanmasının müxtəlif üsulları təsvir edilmiş, təsadüfi kəmiyyət anlayışı, onun funksional və ədədi xarakteristikaları verilmişdir. Nəzəri material nümunələr və materialı daha dərindən öyrənməyə imkan verən xüsusi seçilmiş problemlər ilə müşayiət olunur. Ayrı bir fəsil təsvir edir Excel istifadə edərək və STATİSTİKA tətbiqi məsələlərin həlli üçün. Excel hissəsidir Microsoft Office və bu gün dünyada ən populyar proqramlardan biridir. STATİSTİKA məlumatların təhlili proqramları arasında lider mövqe tutur, dünya üzrə milyondan çox istifadəçisi var. Proqram tamamilə ruslaşdırılıb, geniş istifadəçilər: məktəblilər, tələbələr, aspirantlar - intellektini inkişaf etdirmək, müasir kompüter texnologiyaları ilə tanış olmaq istəyən hər kəs üçün qlobal multimedia resursunu təmsil edən İntellektual Bilik Portalı yaradılıb. məlumatların təhlili.

Dərslik ali riyaziyyatı öyrənən geniş tələbə və müəllimlər, tələbələr, qeyri-riyaziyyat istiqamətli humanitar və təbiət elmləri ixtisaslarının bakalavrları üçün nəzərdə tutulub.

Neyron şəbəkələri STATISTICA Neyron Şəbəkələri: Müasir verilənlərin təhlilinin metodologiyası və texnologiyası

Ed. V.P. Borovikova

Həcmi: 392 səhifə

Ərizəni ünvana göndərə bilərsiniz

Kitab paketin istifadəsinə əsaslanan neyron şəbəkə məlumatlarının təhlili üsullarını təsvir edir STATISTICA Neyron Şəbəkələri tam rus istifadəçisi üçün uyğunlaşdırılmışdır.

Neyron şəbəkələri nəzəriyyəsinin əsasları verilmişdir; praktiki problemlərin həllinə, paketdən istifadə etməklə tədqiqatların aparılmasının metodologiyasına və texnologiyasına böyük diqqət yetirilir STATISTICA Neyron Şəbəkələri- məlumatların təhlili, asılılığın qurulması, proqnozlaşdırma, təsnifat üçün güclü vasitədir.

Hazırda neyroşəbəkələr banklarda, sənayedə, marketinqdə, iqtisadiyyatda, tibbdə və məlumatların proqnozlaşdırılması və dərindən başa düşülməsi tələb olunan digər sahələrdə geniş şəkildə istifadə olunur. Ümumiyyətlə qəbul edilir ki, neyron şəbəkələri klassik analiz metodlarının təbii tamamlayıcısıdır və standart prosedurların istənilən effekti vermədiyi yerlərdə istifadə olunur.

Kitabda çoxlu məlumat təhlili nümunələri var, praktiki məsləhət neyron şəbəkələrdən istifadə edərək təhlil, proqnozlaşdırma, təsnifat, nümunənin tanınması, istehsal prosesinə nəzarət.

Kitab bank işi, sənaye, biznes, geoloji kəşfiyyat, idarəetmə, nəqliyyat və digər sahələrdə tədqiqatlarla məşğul olan geniş oxucu kütləsi üçün faydalı olacaqdır.

STATİSTİKA: Kompüterdə məlumatların təhlili sənəti (2-ci nəşr)

+ StatSoft Multimedia Təlimatı

V.P.Borovikov

Həcmi: 700 səhifə

Kitab hazırda stokda yoxdur. Yaxın vaxtlarda kitabın yeni nəşri planlaşdırılır. Zəhmət olmasa ərizələrinizi aşağıdakı ünvana göndərin:

Kitab müasir verilənlərin təhlili üzrə ən fundamental mətndir və məlumatların təhlili üçün metod və prosedurları təsvir edən təxminən 700 səhifədən ibarətdir. Kitabın ikinci nəşri daxil olmayan yeni materiallarla tamamlanır əvvəlki versiya kitablar, xüsusən: güc analizi, nümunə ölçüsünün qiymətləndirilməsi, qismən korrelyasiya, əsas komponent təhlili təsvir edilir, neyron şəbəkələrin yeni şərhi verilir və daha çox. Kitabda StatSoft proqram təminatının demo versiyaları, məlumatların təhlili nümunələri, məşhur StatSoft elektron dərsliyi, sənaye statistikası dərsliyi, təlim kursu materialları, həmçinin təlim və müstəqil tədqiqat üçün çoxlu məlumatların yer aldığı CD verilir.

İkinci nəşrin əsas xüsusiyyəti dillə bağlı yeni fəsildir STATİSTİKA Sistemin imkanlarını genişləndirən Visual Basic (SVB). STATİSTİKA və istifadəçilərə öz proqramlarını yaratmağa imkan verir.

Kitabda real verilənlərdən nümunə kimi istifadə edilərək sistemdə verilənlərin təhlilinin əsas anlayışları ətraflı təsvir edilmişdir. STATİSTİKA: təsviri və vizual təhlil, fövqəladə hallar cədvəlinin təhlili, asılılığın qurulması, çoxsaylı reqressiya, sağ qalma təhlili, qeyri-parametrik metodlar, yazışma analizi, neyron şəbəkələri, neyron şəbəkələrdən istifadə edərək təsnifat və proqnozlaşdırma, keyfiyyətə nəzarət, eksperimentin planlaşdırılması, o cümlədən müxtəlif dizaynlar və daha çox .

Kitabın özəlliyi ondan ibarətdir ki, siz nəinki təhlilin nəticələrini görürsünüz, həm də bizdən sonra onları sistemdə təkrarlaya bilərsiniz. STATİSTİKA Beləliklə, StatSoft-un ən son kompüter məlumatlarının təhlili texnologiyasından istifadə edərək, siz məlumatları addım-addım təhlil etməyi və başa düşməyi öyrənirsiniz.

Bu fundamental nəşr ən geniş oxucu dairəsi və sistemin istifadəçiləri üçün nəzərdə tutulmuşdur. STATİSTİKA müxtəlif sahələrdə məlumatların təhlili üzrə peşəkar olmaq istəyənlər: biznes, marketinq, maliyyə, menecment, iqtisadiyyat, sənaye, sığorta, tibb və digər proqramlar.

Sistemdə proqnozlaşdırma STATİSTİKA WINDOWS mühitində

V.P. Borovikov, G.I. İvçenko

Həcmi: 368 səhifə

Kitab hazırda stokda yoxdur.

Birinci əldən proqnozlaşdırma sirləri.

Kitabın bir xüsusiyyəti bir-biri ilə əlaqəli və bir-birini tamamlayan iki hissənin birləşməsidir: sistemin müasir versiyasında proqnozlaşdırmanın əsas variantların və dialoq qutularının tərcüməsi ilə ətraflı təsvir olunduğu praktik hissə. STATİSTİKA, və stoxastik proqnozlaşdırma nəzəriyyəsinin əsas ideyalarını, üsullarını və nəticələrini müəyyən edən nəzəri.

Müəlliflərin fikrincə, nəzəriyyə və təcrübənin sintezi ona gətirib çıxarmalıdır ki, oxucu proqnozlaşdırmanın üsul və üsullarını nəinki mexaniki şəkildə mənimsəsin, həm də onlar haqqında əlaqəli təsəvvür əldə etsin: tanış olmaqdan riyazi əsaslar sistemdə praktiki bacarıqlar əldə etməzdən əvvəl STATİSTİKA.

Kitab Moskva Dövlət Elektronika və Riyaziyyat İnstitutunda (MGIEM - Texniki Universitet) müəlliflər tərəfindən tədris olunan kursa əsaslanır. Tətbiqdə əsas proqnozlaşdırma terminlərinin hərtərəfli İngilis-Rus lüğəti var.
Kitab proqnozlaşdırma metodlarından gündəlik fəaliyyətlərində istifadə edən tədqiqatçılar, analitiklər və mütəxəssislər üçün nəzərdə tutulub, həmçinin ali təhsil müəssisələrinin müəllimləri tərəfindən proqnozlaşdırma və riyazi statistika üzrə kursların tədrisi zamanı istifadə oluna bilər.

Geostatistika. Nəzəriyyə və təcrübə

V.V. Demyanov, E.A. Savelyeva

Həcmi: 327 səhifə

Kitab hazırda stokda yoxdur.

Bu kitab suallara cavab verəcək:
- geostatistika nədir?
- fəza interpolyasiya üsulları hansılardır?
- kriginq nədir?
- variogram necə faydalıdır?
- stoxastik modelləşdirmə nəyə görə lazımdır?
və bir çox başqaları

Monoqrafiyada geostatistikanın metodları və fəza modelləşdirmənin əlaqəli bölmələri ətraflı şəkildə təqdim olunur. Nəzəriyyənin təqdimatı müxtəlif sahələrdə modellərdən istifadə nümunələri ilə müşayiət olunur: ekologiya, geologiya, hidrogeologiya, neft hasilatı, enerji, balıq ehtiyatlarının qiymətləndirilməsi və s.Yekun bölmədə müasir geostatistik nəzəriyyənin inkişafının əsas istiqamətləri təsvir edilir. Nəşr tədris vəsaiti kimi istifadə edilə bilər.

Kitabın materialı tədricən mürəkkəbləşmə ilə təqdim olunur. Əldə olunan bilikləri möhkəmləndirmək üçün suallar və tapşırıqlar verilir. Kitaba geostatistika üçün istinad kimi istifadə etməyə imkan verən əlavələr daxildir.

StatSoft Data Analysis Academy həmçinin geoanalitika sahəsində məlumatların təhlili üçün müasir metodlar və texnologiyalar üzrə geniş kurslar təklif edir.

Sənaye statistikası. Keyfiyyətə nəzarət, prosesin təhlili, paketdə eksperimentlərin planlaşdırılması STATİSTİKA

Xələfyan A.A.

Həcmi: 384 səhifə

Kitab hazırda stokda yoxdur.

Bu nəşr, təhlil edilən məhsulların məhdud həcmləri ilə, müəyyən bir dəqiqlik və etibarlılıq dərəcəsi ilə məhsulların keyfiyyətinin vəziyyətini mühakimə etməyə imkan verən statistik metodların təsvirinə həsr edilmişdir. Məhsulun keyfiyyətinin statistik təhlili intuisiyaya əsaslanmayan, toplanmış rəqəmsal məlumat massivlərində nümunələri müəyyən etmək üçün elmi metodlardan istifadə etməklə düzgün idarəetmə qərarlarının qəbulunu təmin edir.

Dərslik sənaye statistikasının aşağıdakı bölmələrini əhatə edir: keyfiyyətə nəzarət kartları; prosesin təhlili; altı siqma; dünya miqyasında tanınan bir paketin mühitində təcrübələrin planlaşdırılması STATİSTİKA... verilmiş Ətraflı Təsviri proqram modulları ilə işləmək texnologiyaları.

Nəşr “İqtisadiyyat”, “Keyfiyyətin idarə edilməsi”, “Standartlaşdırma və Metrologiya”, “Metrologiya, Standartlaşdırma və Sertifikatlaşdırma” istiqamətləri üzrə təhsil alan tələbələr, aspirantlar, elmi işçilər, universitet professorları, analitiklər və menecerlər, habelə bu sahədə çalışan hər kəs üçün nəzərdə tutulub. keyfiyyətin idarə edilməsində statistik üsullarla maraqlanır ...

Dünya çempionatını necə qazanmaq olar. Ölkə futbolunun idarə edilməsində riyazi statistikanın üsulları

Petrunin Yu.Yu., Ryazanov M.A.

Həcmi: 56 səhifə

Kitab hazırda stokda yoxdur.

Müasir üsullar statistika və məlumatların təhlili yeni elmi fənlərin - futbol və futbolun yaranmasına səbəb oldu. Onlarda hazırlanmış aparatdan istifadə etməklə dövlət (İdman Nazirliyi) və qeyri-kommersiya təşkilatlarının (futbol assosiasiyaları və birlikləri) işinin keyfiyyətini qiymətləndirmək, ölkə futbolunun səviyyəsini yüksəldə biləcək tənzimləyici təsir üsullarını hazırlamaq və tətbiq etmək mümkündür. və dünya miqyasında nüfuzu.

STATİSTİKA- Tez Başlanğıc Bələdçisi

Həcmi: 250 səhifə

Kitab hazırda stokda yoxdur.

Kitabda sistemlə işləməyin əsas prinsipləri qeyd olunur, alətlər panelləri, istifadəçi interfeysi, məlumat faylları, paketdən istifadənin praktiki nümunələri araşdırılır. Ayrı bir fəsil sistemin konfiqurasiyasına həsr edilmişdir. Həmçinin, kitabda sistemin ən çox istifadə olunan konvensiyaları, funksiyaları və imkanları haqqında qısa məlumat olan tam bir arayış var. STATİSTİKA, və mövzu indeksi.

Əvvəlki və sonrakı emal, o cümlədən verilənlərin seçilməsi, nominal qiymətlərin kodlaşdırılması, miqyaslaşdırma, normallaşdırma, təsnifat, reqressiya və zaman seriyası problemləri üçün şərh ilə çatışmayan məlumatların aradan qaldırılması;
Müstəsna istifadə rahatlığı və misilsiz analitik güc məsələn, misilsiz Həll Sihirbazı istifadəçini müxtəlif neyron şəbəkələrinin yaradılmasının bütün mərhələlərində istiqamətləndirəcək və ən yaxşısını seçəcək (əks halda, bu vəzifə uzun müddət "sınaq və səhv" prosesi ilə həll olunur və nəzəriyyəni hərtərəfli bilmək tələb olunur);
Güclü kəşfiyyat və analitik texnologiyalar, o cümlədən Əsas komponent təhlili və Ölçü azalması kəşfiyyat (neyron şəbəkəsi) məlumatların təhlilində tələb olunan daxil dəyişənlərinin seçilməsi (neyron şəbəkələri üçün tələb olunan giriş dəyişənlərinin seçilməsi çox vaxt uzun vaxt aparır; sistem STATISTICA Neyron Şəbəkələri bu işi istifadəçi üçün edə bilər);
Ən qabaqcıl, optimallaşdırılmış və güclü şəbəkə təlimi alqoritmləri (o cümlədən birləşmiş gradient metodları və Levenberq-Markar); aktivləşdirmə və səhv funksiyaları, şəbəkə mürəkkəbliyi kimi şəbəkənin keyfiyyətinə təsir edən bütün parametrlərə tam nəzarət;
Neyron şəbəkələrinin ansambllarına və demək olar ki, qeyri-məhdud ölçülü neyron şəbəkə arxitekturalarına dəstək, yaradılmışdır Şəbəkə dəstləri - Şəbəkə dəstləri; neyron şəbəkə seqmentlərinin seçmə təlimi; şəbəkə dəstlərini ayrı-ayrı fayllarda birləşdirmək və saxlamaq;
Sistemlə tam inteqrasiya STATİSTİKA; bütün nəticələr, qrafiklər, hesabatlar və s. güclü qrafik və analitik alətlərlə daha da dəyişdirilə bilər STATİSTİKA(məsələn, proqnozlaşdırılan qalıqları təhlil etmək, ətraflı hesabat yaratmaq və s.);
Güclü avtomatlaşdırılmış alətlərlə problemsiz inteqrasiya STATİSTİKA; hər hansı analiz üçün tam hüquqlu makroların qeyd edilməsi; istifadə edərək öz neyron şəbəkə analizlərinizi və tətbiqlərinizi yaratmaq STATISTICA Visual Basic, zəng edin STATISTICA Neyron Şəbəkələri dəstəkləyən hər hansı proqramdan COM texnologiyası(məsələn, cədvəldə avtomatik neyron şəbəkə təhlili MS Excel və ya yazılmış çoxlu xüsusi proqramları birləşdirərək C ++, C #, Java və s.).

STATISTICA Neyron şəbəkə hesablamalarında neyron şəbəkələri:

Neyroşəbəkələrdən istifadə məlumatların neyron şəbəkə üsulları ilə emal edilməsindən daha çox şeyi əhatə edir.
STATISTICA Neyron Şəbəkələri yalnız ən son deyil, çox mürəkkəb tapşırıqlarla işləmək üçün müxtəlif funksiyalar təqdim edir Neyron Şəbəkə Arxitekturaları və Öyrənmə alqoritmləri, həm də yeni yanaşmalar Daxiletmə məlumatlarının seçilməsi və Şəbəkənin qurulması... Bundan əlavə, proqram tərtibatçıları və tətbiqi fərdiləşdirmə ilə sınaqdan keçirən istifadəçilər sadə və intuitiv interfeysdə əvvəlcədən müəyyən edilmiş təcrübələri yerinə yetirdikdən sonra bunu qiymətləndirəcəklər. STATISTICA Neyron Şəbəkələri, neyron şəbəkə analizləri xüsusi proqramda birləşdirilə bilər. Bu, ya kitabxana ilə əldə edilir COM funksiyaları STATISTICA, ya dildə koddan istifadə etməklə proqramın bütün funksional imkanlarını tam əks etdirir C (C ++, C #) və ya Vizual əsas proqram tərəfindən yaradılan və tam təlim keçmiş neyron şəbəkəsini və ya şəbəkə ansamblını idarə etməyə kömək edir.

İlkin məlumatlar

Modul STATISTICA Neyron Şəbəkələri sistemlə tam inteqrasiya olunub STATİSTİKA, beləliklə, təhlil üçün məlumatların redaktə edilməsi (hazırlanması) üçün alətlərin böyük seçimi mövcuddur (çevirmələr, müşahidələrin seçilməsi şərtləri, məlumatların yoxlanılması vasitələri və s.). Bütün analizlər kimi STATİSTİKA, proqram yerində emal alətlərindən istifadə edərək uzaq verilənlər bazasına "qoşula" və ya canlı məlumatlarla əlaqələndirilə bilər ki, modellər öyrədilsin və ya hər dəfə məlumat dəyişdikdə avtomatik olaraq işə salınsın (məsələn, proqnozlaşdırılan dəyərləri və ya təsnifatları hesablamaq üçün).

Daxiletmə seçimi və ölçüsün azaldılması

Məlumatlar hazırlandıqdan sonra neyron şəbəkə ilə işləyərkən hansı dəyişənlərdən istifadə olunacağına qərar verməlisiniz. Dəyişənlərin sayı nə qədər çox olarsa, neyron şəbəkəsi bir o qədər mürəkkəb olacaq və buna görə də daha çox yaddaş və məşq vaxtı, eləcə də daha çox sayda təlim nümunələri (müşahidələr) tələb olunacaq. Dəyişənlər arasında qeyri-kafi miqdarda məlumat və / və ya korrelyasiya ilə, əhəmiyyətli giriş dəyişənlərinin seçilməsi və məlumatın daha az sayda dəyişənlərə sıxılması məsələləri bir çox neyron şəbəkə tətbiqlərində son dərəcə vacib olur.

Ölçü azaltma alqoritmləri:

V STATISTICA Neyron Şəbəkələri addım-addım seçimin tərs və irəli alqoritmləri həyata keçirilir. Bundan əlavə, giriş məlumatlarının seçilməsi üçün neyro-genetik alqoritm genetik alqoritmlərin imkanlarını və PNN / GRNN (PNN - ehtimal neyron şəbəkələri, GRNN - ümumiləşdirilmiş reqressiya neyron şəbəkələri) giriş dəyişənlərinin optimal birləşmələrinin avtomatik axtarışı üçün, o cümlədən onlar arasında korrelyasiya və qeyri-xətti asılılıqlar olduqda. Demək olar ki, ani öyrənmə sürəti PNN / GRNN alqoritmi müraciət etməyə imkan vermir Giriş məlumatlarının seçilməsi üçün neyro-genetik alqoritm, həm də sizə imkan verir (mövcud olandan istifadə etməklə Redaktor sistem məlumatları STATISTICA Neyron Şəbəkələriəhəmiyyətsiz dəyişənləri sıxışdırmaq üçün əlverişli vasitələr) real vaxt rejimində məlumatların həssaslığı üzrə öz təcrübələrini həyata keçirmək. STATISTICA Neyron Şəbəkələri həmçinin quraşdırılmış sistemi ehtiva edir Əsas komponent təhlili (AGK və "qeyri-xətti AGK" üçün assosiativ şəbəkələr), bu, orijinal məlumatın ölçüsünü azaltmağa imkan verir. Qeyd edək ki, əsas sistemdə verilənlərin ölçüsünü azaltmaq üçün çoxlu sayda statistik üsullar mövcuddur. STATİSTİKA.

Məlumatların miqyası və nominal dəyərlərin çevrilməsi:

Şəbəkəyə məlumat daxil edilməzdən əvvəl onlar müəyyən bir şəkildə hazırlanmalıdır. Çıxışın düzgün təfsir oluna bilməsi də eyni dərəcədə vacibdir. V STATISTICA Neyron Şəbəkələri giriş və çıxış məlumatlarının avtomatik miqyası (minimum / maksimum dəyərlər və orta / standart sapma ilə miqyaslama daxil olmaqla) imkanı var; nominal dəyərləri olan dəyişənlər (məsələn, Cins = (Kişi, Qadın)) 1-of-N kodlaşdırma daxil olmaqla avtomatik olaraq yenidən kodlana bilər. STATISTICA Neyron Şəbəkələri həmçinin itkin məlumatların idarə edilməsi üçün alətləri ehtiva edir. kimi normallaşdırma funksiyaları "vahid məbləği", "Qalib hər şeyi alır" və "vahid uzunluq vektoru"... Zaman sıralarının təhlili üçün xüsusi olaraq hazırlanmış məlumatların hazırlanması və şərhi vasitələri var. Əsas sistemdə çoxlu sayda oxşar alətlər də tətbiq olunur. STATİSTİKA.
Təsnifat tapşırıqlarında etimad intervallarını təyin etmək olar STATISTICA Neyron Şəbəkələri sonra müşahidələri bu və ya digər sinfə təsnif etmək üçün istifadə edir. Tətbiq edilən xüsusi ilə birlikdə STATISTICA Neyron Şəbəkələri aktivləşdirmə funksiyası Softmax və xətaların çarpaz entropiya funksiyaları, bu təsnifat problemlərinə fundamental nəzəri və ehtimal yanaşmasını verir.

Neyron şəbəkə modeli seçimi, Şəbəkə ansamblları

Neyron şəbəkə modellərinin müxtəlifliyi və təyin edilməli olan çoxlu parametrlər (şəbəkə ölçüsü, öyrənmə alqoritminin parametrləri və s.) başqa bir istifadəçini çaşdıra bilər (bunun üçün Həll Sihirbazı, istənilən mürəkkəblikdə uyğun şəbəkə arxitekturasını avtomatik axtara bilən).

STATISTICA Neyron Şəbəkələri sistemi praktiki problemlərin həllində istifadə olunan bütün əsas növ neyron şəbəkələrini həyata keçirir, o cümlədən:

çoxqatlı perseptronlar (birbaşa siqnal ötürülməsi olan şəbəkələr);
radial əsaslı funksiyalar üzrə şəbəkələr;
özünü təşkil edən Kohonen xəritələri;
ehtimal (Bayes) neyron şəbəkələri;
ümumiləşdirilmiş reqressiya neyron şəbəkələri;
əsas komponent şəbəkələri;
klasterləşmə üçün şəbəkələr;
xətti şəbəkələr.

Həm də sistemdə STATISTICA Neyron Şəbəkələri həyata keçirilən Şəbəkə ansamblları yuxarıdakı şəbəkələrin təsadüfi (lakin əhəmiyyətli) birləşmələrindən əmələ gəlir. Başqa bir lazımlı alət var: siz şəbəkələri birləşdirə bilərsiniz ki, onlar ardıcıllıqla başlasınlar. Bu, minimum xərclə həllər tapmaq üçün ilkin emalda faydalıdır.

Paketdə STATISTICA Neyron Şəbəkələriİstifadəçiyə uyğun şəbəkə arxitekturasını seçməkdə kömək etmək üçün çoxsaylı alətlər mövcuddur. Sistemin statistik və qrafik alətlər dəstinə bütün əhali üçün və fərdi müşahidələr üçün səhvlərin histoqramları, matrisləri və qrafikləri, düzgün/yanlış təsnifat üzrə ümumiləşdirilmiş məlumatlar daxildir və bütün vacib statistik məlumatlar - məsələn, dispersiyanın izah edilmiş hissəsi - avtomatik hesablanır. .

Paketdəki məlumatları vizuallaşdırmaq üçün STATISTICA Neyron Şəbəkələri istifadəçiyə şəbəkənin “davranışını” başa düşməyə kömək etmək üçün səpələnmə qrafikləri və 3D cavab səthləri tətbiq edilmişdir.
Əlbəttə ki, sadalanan mənbələrdən əldə edilən istənilən məlumatı başqa vasitələrlə əlavə təhlil etmək üçün istifadə edə bilərsiniz. STATİSTİKA həmçinin sonradan hesabatlara daxil etmək və ya fərdiləşdirmə üçün.

STATISTICA Neyron Şəbəkələri problemi sınaqdan keçirərkən əldə etdiyiniz şəbəkənin ən yaxşı versiyasını avtomatik olaraq xatırlayır və istədiyiniz zaman ona müraciət edə bilərsiniz. Şəbəkənin faydalılığı və onun proqnozlaşdırma qabiliyyəti avtomatik olaraq xüsusi testlər toplusu ilə, həmçinin şəbəkənin ölçüsünü, səmərəliliyini və səhv təsnifat dəyərini qiymətləndirməklə yoxlanılır. -də həyata keçirilir STATISTICA Neyron Şəbəkələri avtomatik çarpaz doğrulama və nizamlama prosedurları Wiegend-ə görə tərəzişəbəkənizin qeyri-kafi və ya əksinə, verilən tapşırıq üçün çox mürəkkəb olub olmadığını tez öyrənməyə imkan verir.

Paketdə performansı artırmaq üçün STATISTICA Neyron Şəbəkələriçoxsaylı şəbəkə konfiqurasiya variantları təqdim olunur. Beləliklə, siz reqressiya problemlərində xətti çıxış şəbəkə qatını və ya ehtimal qiymətləndirməsi və təsnifat məsələlərində softmax tipli aktivləşdirmə funksiyasını təyin edə bilərsiniz. Məlumatlarınızda çoxlu kənar göstəricilər varsa, o zaman şəbəkəni öyrədərkən standart səhv funksiyasını daha az həssas funksiya ilə əvəz edə bilərsiniz. "şəhər blokları"... Sistem həmçinin məlumat nəzəriyyəsi modelləri və bir sıra xüsusi aktivləşdirmə funksiyaları əsasında çarpaz entropiya xətası funksiyalarını həyata keçirir, o cümlədən: pilləli, mişar dişi və sinusoidal.

Həll ustası (problemi avtomatik qiymətləndirir və müxtəlif arxitekturalı bir neçə şəbəkəni seçir):

Paketin bir hissəsi STATISTICA Neyron Şəbəkəsi s edir Həll Sihirbazı - Ağıllı Problem Həlledici müxtəlif arxitekturaya və mürəkkəbliyə malik bir çox neyron şəbəkələrini qiymətləndirən və verilən tapşırıq üçün ən yaxşı arxitekturaya malik şəbəkələri seçən .
Ustad müstəqil müşahidələri olan verilənlər üçün şəbəkələr (standart reqressiya şəbəkələri, təsnifat şəbəkələri və ya qarışıq şəbəkələr), həmçinin eyni dəyişənin artıq mövcud dəyərlərinə əsaslanaraq dəyişənin gələcək dəyərlərini proqnozlaşdırmaq üçün nəzərdə tutulmuş şəbəkələr qura bilir ( zaman seriyası olan şəbəkələr).
Neyroşəbəkə yaratarkən, evristik axtarış metodundan istifadə edərək, uyğun dəyişənlərin seçilməsinə və şəbəkə arxitekturasının optimallaşdırılmasına xeyli vaxt sərf olunur. STATISTICA Neyron Şəbəkələri bu işi öz üzərinə götürür və sizin üçün avtomatik olaraq evristik axtarışlar aparır. Bu prosedur giriş ölçüsünü, şəbəkənin tipini, şəbəkənin ölçüsünü və tələb olunan çıxış kodlaşdırma funksiyalarını nəzərə alır.
Axtarış zamanı siz təlim prosesi zamanı alınan cavabların sayını təyin edə bilərsiniz. Maksimum detal rejimini təyin edərkən Həll Sihirbazı d hər bir sınaqdan keçirilmiş şəbəkə üçün arxitektura və keyfiyyət səviyyələrini göstərəcək.
Həll Sihirbazı avtomatik tapmağa imkan verən mürəkkəb texnikaların istifadəsində son dərəcə effektiv vasitədir ən yaxşı memarlıqşəbəkələr. Kompüterinizin qarşısında saatlarla oturmaq yerinə sistemə icazə verin STATISTICA Neyron Şəbəkələri bu işi sizin üçün etmək.
Avtomatik şəbəkə konstruktoru modulun yaradılması zamanı da istifadə edilə bilər STATISTICA Neyron Şəbəkələri, baza sisteminin digər modulları ilə birlikdə STATİSTİKA, ən əhəmiyyətli dəyişənləri müəyyən etmək üçün istifadə olunur (məsələn, onların hər hansı bir modelə sonrakı daxil edilməsi və sınaqdan keçirilməsi üçün ən yaxşı proqnozlaşdırıcılar) Qeyri-xətti Qiymətləndirmə).

Neyron şəbəkə təlimi:

Axtarış təcrübələrinizin uğuru ən yaxşı növü və şəbəkə arxitekturası mahiyyətcə şəbəkə öyrənmə alqoritmlərinin keyfiyyətindən və sürətindən asılıdır. Sistemdə STATISTICA Neyron Şəbəkələri günümüz üçün ən yaxşı təlim alqoritmləri tətbiq edilmişdir.
Sistemdə çoxqatlı qavrayışları öyrətmək üçün STATISTICA Neyron Şəbəkələri ilk növbədə, geri yayılma metodu həyata keçirilir - zamanla dəyişən öyrənmə dərəcəsi və ətalət əmsalı ilə, alqoritmin növbəti addımından əvvəl müşahidələri qarışdırmaq və möhkəm ümumiləşdirmə üçün əlavə səs-küy əlavə etmək. Bundan əlavə, sistem STATISTICA Neyron Şəbəkələri iki sürətli ikinci dərəcəli alqoritmləri həyata keçirdi - konjugat gradient üsulları və Levenberq-Markar... Sonuncu qeyri-adi güclü müasir qeyri-xətti optimallaşdırma alqoritmidir və mütəxəssislər ondan istifadə etməyi çox tövsiyə edirlər. Eyni zamanda, bu metodun tətbiq sahəsi bir çıxış neyronu olan nisbətən kiçik ölçülü şəbəkələrin halları və paketdəki daha çətin tapşırıqlar üçün məhduddur. STATISTICA Neyron Şəbəkələri konjugat gradient üsulu var. Tipik olaraq, hər iki alqoritm geri yayılmadan daha sürətli birləşir və adətən daha uyğun bir həll yaradır.
Sistemdə şəbəkənin öyrədilməsinin iterativ prosesi STATISTICA Neyron Şəbəkələri cari öyrənmə xətasının və ondan asılı olmayaraq test toplusunda hesablanmış xətanın avtomatik ekranı ilə müşayiət olunur, eyni zamanda ümumi xətanın qrafiki də göstərilir. İstənilən vaxt sadəcə düyməni basmaqla məşqi dayandıra bilərsiniz. Bundan əlavə, dayanma şərtlərini təyin etmək mümkündür, yerinə yetirildikdə məşq dayandırılacaq; belə bir şərt, məsələn, nailiyyət ola bilər müəyyən səviyyə səhvlər və ya müəyyən sayda keçid üzərində yoxlama xətasının sabit artımı - "dövrlər" (bu, şəbəkənin həddindən artıq uyğunlaşmasını göstərir). Həddindən artıq uyğunlaşma baş verərsə, istifadəçi buna əhəmiyyət verməməlidir: STATISTICA Neyron Şəbəkələri nümunəni avtomatik xatırlayır ən yaxşı şəbəkə təlim zamanı əldə edilir və siz həmişə müvafiq düyməni basaraq şəbəkənin bu versiyasına müraciət edə bilərsiniz. Şəbəkə təlimi başa çatdıqdan sonra onun işinin keyfiyyətini ayrıca test dəstində yoxlaya bilərsiniz.
Paketdə STATISTICA Neyron Şəbəkələri bir sıra öyrənmə alqoritmləri digər arxitekturaların digər şəbəkələri üçün də tətbiq edilmişdir. Radial əsas funksiya şəbəkələri və ümumiləşdirilmiş reqressiya şəbəkələri üçün radial spline parametrləri və hamarlama əmsalları aşağıdakı alqoritmlərdən istifadə etməklə seçilə bilər: Kohonen məşqi, alt nümunə, k-vasitə üsulu, izotropiya üsulları və ən yaxın qonşular. Radial əsaslı şəbəkələrdə xətti çıxış təbəqəsinin neyronları xətti şəbəkələrdə olduğu kimi tam optimallaşdırılmışdır. tək dəyər parçalanması (SVD).
Hibrid şəbəkə strukturlarının yaradılması. Sistemdə STATISTICA Neyron Şəbəkələri qarışıq strukturlu şəbəkələr yaratmaq mümkündür. Məsələn, radial əsaslı funksiyaya əsaslanan dəyişdirilmiş şəbəkə üçün neyronların birinci təbəqəsi tərəfindən öyrədilə bilər. Kohonen alqoritmi a, ikincisi - qeyri-xətti təbəqə - Levenberq-Markar üsulu.

Neyron şəbəkə testi:

Şəbəkə öyrədildikdən sonra onun işinin keyfiyyətini yoxlamaq və xüsusiyyətlərini müəyyən etmək lazımdır. Bunun üçün paketdə STATISTICA Neyron Şəbəkələri ekrandakı statistika və qrafik alətlər dəsti var.
Bir neçə model (şəbəkələr və ansambllar) göstərildiyi təqdirdə (mümkünsə) STATISTICA Neyron Şəbəkəsi s müqayisəli nəticələri göstərir (məsələn, birdən çox modelin cavab əyrilərini bir qrafikdə tərtib edir və ya bir cədvəldə birdən çox modelin proqnozlaşdırıcılarını təqdim edir). Bu xüsusiyyət eyni verilənlər bazasında öyrədilmiş müxtəlif modelləri müqayisə etmək üçün çox faydalıdır.
Bütün statistik məlumatlar təlim, yoxlama və test dəstləri üçün ayrıca hesablanır. Bütün çəkilər və aktivləşdirmə parametrləri bir kliklə sistem nəticələrinin cədvəlinə çevrilə bilən rahat mətn faylı kimi mövcuddur. STATİSTİKA... Fərdi müşahidələr və ya bütün verilənlər bazası üçün eksperimental nəticələrə də cədvəldə baxmaq olar. STATİSTİKA və əlavə təhlil və ya qrafiklərdə istifadə edin.
Aşağıdakı ümumi statistika avtomatik olaraq hesablanır: şəbəkənin orta kvadrat xətası, qeyri-bərabərlik matrisi (qarışıqlıq matrisi) təsnifat problemləri üçün (düzgün və yanlış təsnifatın bütün hallarının cəmləndiyi yerlərdə) və reqressiya problemləri üçün izah edilən reqressiyanın nisbəti. Kohonen şəbəkəsi pəncərəsi var Topoloji xəritə, burada şəbəkə elementlərinin aktivləşdirilməsini vizual olaraq müşahidə edə bilərsiniz, həmçinin məlumatların təhlili prosesində müşahidələrin və qovşaqların etiketlərini dəyişdirə bilərsiniz. Topoloji xəritədə klasterləri dərhal tapmağa imkan verən Win Rate pəncərəsi də var. Klaster Analizi standart şəbəkə arxitekturasını xüsusi klaster sistem diaqramı ilə birləşdirməklə həyata keçirilə bilər STATISTICA Neyron Şəbəkələri... Məsələn, siz şəbəkəni əsas komponentlərin təhlili üçün məşq edə və ilk iki komponentə proyeksiyada verilənləri tərtib edə bilərsiniz.

Neyron şəbəkələrin redaktəsi, modifikasiyası və serial qoşulması

Sistemdə STATISTICA Neyron Şəbəkələri mövcud şəbəkələri kəsmək və bir neçə şəbəkəni birləşdirmək üçün smart alətlər mövcuddur. Beləliklə, siz fərdi neyronları silə və ya əlavə edə, bir təbəqəni şəbəkədən tamamilə silə və giriş/çıxışların sayına uyğun şəbəkələri bir-biri ilə ardıcıl olaraq birləşdirə bilərsiniz. Bu imkanlar sayəsində paket STATISTICA Neyron Şəbəkələri assosiativ şəbəkələrdən və itki matrisindən (ən az itki ilə qərarlar qəbul etmək üçün) istifadə edərək ölçülərin azaldılması (əvvəlcədən emal ilə) kimi vasitələrdən istifadə etməyə imkan verir. İtki matrisi ehtimal neyron şəbəkələri ilə işləyərkən avtomatik olaraq istifadə olunur.

Hazır həllər (STATISTICA Neyron Şəbəkələrindən istifadə edən xüsusi proqramlar):

Sadə və istifadəçi dostu sistem interfeysi STATISTICA Neyron Şəbəkələri problemlərinizi həll etmək üçün tez bir zamanda neyron şəbəkə proqramları yaratmağa imkan verir.
Bu həlləri mövcud sistemdə qurmaq, məsələn, onları daha geniş hesablama mühitinin bir hissəsi etmək zərurəti yarandıqda vəziyyət mümkündür (bunlar ayrıca işlənib hazırlanmış və korporativ hesablama sisteminə daxil edilmiş prosedurlar ola bilər).
Təlim edilmiş neyron şəbəkələri yeni verilənlər toplusuna (proqnozlaşdırma üçün) bir neçə yolla tətbiq oluna bilər: Siz təlim keçmiş şəbəkəni və ya şəbəkələr ansamblını saxlaya bilərsiniz (məsələn, bir neçə arxitektura əsasında proqnozlaşdırma ortasını hesablamaq üçün) və sonra onu yeni verilənlər toplusuna tətbiq edə bilərsiniz ( proqnozlaşdırma, proqnozlaşdırılan təsnifat və ya proqnozlaşdırma üçün); Avtomatik yaratmaq üçün kod generatorundan istifadə edə bilərsiniz proqram kodu dildə C (C ++, C #) və ya Vizual əsas və bundan sonra istənilən proqram mühitində yeni məlumatları proqnozlaşdırmaq üçün istifadə edin vizual əsas və ya C ++ (C #), yəni. tətbiqinizə tam öyrədilmiş neyron şəbəkəsini tətbiq edin. Sonda sistemin bütün funksionallığı STATİSTİKA daxil olmaqla STATISTICA Neyron Şəbəkələri kimi istifadə oluna bilər COM obyektləri (komponent obyekt modeli) digər tətbiqlərdə (məsələn, Java, MS Excel və s.). Məsələn, yaradılmış avtomatlaşdırılmış analizləri həyata keçirə bilərsiniz STATISTICA Neyron Şəbəkələri cədvəllərdə MS Excel.

Öyrənmə alqoritmlərinin siyahısı:

Geri yayılma;
Levenberg-Markar;
Birləşən gradientlər;
kvazi Nyuton;
Sürətli paylama;
Delta delta c-bar;
Pseudo-əks;
Kohonen təlimi;
Ən yaxın sinifləri qeyd etmək;
Vektor kvantizatorunun tədrisi;
Radial (alt) nümunə götürmə;
K-Means Metod;
K-ən yaxın qonşular (KNN) üsulu;
İzotrop əyilmələrin quraşdırılması;
Aşkar sapmaların təyin edilməsi;
Ehtimal neyron şəbəkəsi;
Ümumiləşdirilmiş reqressiya neyron şəbəkəsi;
Giriş məlumatlarının seçilməsi üçün genetik alqoritm;
Giriş məlumatlarının addım-addım irəli və ya geri seçilməsi.

Sistem Tələbləri

Sistem STATISTICA Neyron Şəbəkələri hətta nisbətən zəif və ya köhnə kompüterlərdə də işləyə bilər. Bununla belə, paket prosedurlarının çoxu hesablama baxımından intensiv olduğundan, istifadə etmək çox tövsiyə olunur Pentium prosessoru 32 meqabayt ilə təsadüfi giriş yaddaşı.

Şəbəkə ölçüsü məhdudiyyətləri:

Neyroşəbəkə demək olar ki, istənilən ölçüdə ola bilər (yəni onun ölçüsü əslində zəruri və ağlabatan olduğundan dəfələrlə böyük götürülə bilər); neyronların sayına məhdudiyyət qoyulmadan 128 təbəqəyə qədər icazə verilir. Əslində, hər hansı bir praktik tapşırıq üçün proqram yalnız kompüterin aparat imkanları ilə məhdudlaşır.

Elektron dərslik:

Sistemin bir hissəsi kimi STATISTICA Neyron Şəbəkələri neyron şəbəkələrinə tam və aydın giriş, eləcə də nümunələr ilə yaxşı təsvir edilmiş dərslik var. Təfərrüatlı kontekstli yardım sistemi istənilən dialoq qutusunda mövcuddur.

Mənbə kodu generatoru:

Mənbə kodu generatoru istifadəçilərə sistem əsasında asanlıqla öz proqramlarını yaratmağa imkan verən əlavə məhsuldur STATISTICA Neyron Şəbəkələri... Bu əlavə məhsul neyron şəbəkə modelinin mənbə sistem kodunu yaradır (C, C ++, C # dillərində fayl kimi) pulsuz paylanması üçün ayrıca tərtib edilə və proqramınıza inteqrasiya oluna bilər. Bu məhsul xüsusi olaraq korporativ sistem tərtibatçıları, eləcə də burada yaradılmış yüksək optimallaşdırılmış prosedurları çevirməli olan istifadəçilər üçün nəzərdə tutulmuşdur. STATISTICA Neyron Şəbəkələri mürəkkəb analitik problemlərin həlli üçün xarici tətbiqlərə.

Neyroşəbəkə üsulları müxtəlif sahələrdə daha geniş yayılmaqdadır.

Sənaye:

Prosesə nəzarət (xüsusilə, nəzarət parametrlərinin davamlı tənzimlənməsi ilə istehsal proseslərinin monitorinqi).
Yanacaq nümunələrinin təsnifatı (onların spektrlərinin təhlili əsasında yanacaq növlərinin seqmentasiyası).
Texniki diaqnostika (erkən mərhələdə vibrasiya və səs-küylə, mexanizmdəki nasazlıqları müəyyənləşdirin və profilaktik təmir işləri aparın).
Mühərrikin idarəetmə sistemləri (sensor məlumatlarından istifadə edərək yanacaq sərfiyyatının qiymətləndirilməsi və nəzarəti).
Fizikada real vaxt keçidi olan detektor sistemləri. Neyron şəbəkələri səs-küyə qarşı davamlıdır və yüksək statistik səs-küylə fiziki məlumatlarda möhkəm nümunələrdən istifadə etməyə imkan verir.

Marketinq:

Qızıl qiymətlərinin proqnozlaşdırılması;
Xammalın qiymətlərinin proqnozlaşdırılması;
Birbaşa poçtla ticarət.

Maliyyə:

Kredit qabiliyyətinin qiymətləndirilməsi (klassik vəzifə şəxsi məlumatlardan istifadə edərək müəyyən bir borcalanın etibarlı olub olmadığını müəyyən etməkdir).
Maliyyə zaman seriyalarının proqnozlaşdırılması.

Geoloji kəşfiyyat:

Mədən prosesinin səmərəliliyinin yüksəldilməsi (mədənin səmərəlilik göstəricilərinə təsir edən əhəmiyyətli amilləri vurğulamaq).

Digər sənayelər:

Optik xarakter tanınması, o cümlədən imzanın tanınması;
Şəkil emalı;
Xaotik zaman sıralarının proqnozlaşdırılması;
Tibbi diaqnostika;
Nitqin sintezi;
Linqvistik təhlil.

Neyron şəbəkəsi metodları ilə bağlı bir çox anlayışlar xüsusi neyron şəbəkəsi proqramının nümunəsi ilə ən yaxşı şəkildə izah edilir. Buna görə də, bu bölmədə paketə çoxlu bağlantılar olacaq STATİSTİKA Neyron Şəbəkələri (qısaldılmış ST Neyron Şəbəkələri, StatSoft-dan neyron şəbəkə paketi), neyron şəbəkə məlumatlarının təhlili metodlarının bütün dəstinin tətbiqi.

Son bir neçə ildə biz müxtəlif sahələrdə - biznesdə, tibbdə, texnologiyada, geologiyada, fizikada uğurla istifadə olunan neyron şəbəkələrinə marağın artdığını müşahidə etdik. Neyroşəbəkələr proqnozlaşdırma, təsnifat və ya nəzarət problemlərini həll etmək üçün lazım olan hər yerdə praktikada tətbiq olunur. Bu təsirli uğur bir neçə səbəblə bağlıdır:

Neyron şəbəkələri son dərəcə mürəkkəb asılılıqları təkrar edə bilən son dərəcə güclü modelləşdirmə texnikasıdır. Xüsusilə, neyron şəbəkələri qeyri-xətti xarakter daşıyır (bu anlayışın mənası bu fəsildə daha sonra ətraflı izah olunur). Uzun illər ərzində xətti modelləşdirmə yaxşı işlənmiş optimallaşdırma prosedurlarına görə əksər sahələrdə əsas modelləşdirmə üsulu olmuşdur. Xətti yaxınlaşmanın qeyri-qənaətbəxş olduğu problemlərdə (və onlardan kifayət qədər azdır) xətti modellər zəif işləyir. Bundan əlavə, neyron şəbəkələr çox sayda dəyişən vəziyyətində xətti asılılıqları modelləşdirməyə imkan verməyən "ölçünün lənəti" ilə mübarizə aparır.

Neyron şəbəkələri nümunə ilə öyrənirlər. Neyroşəbəkə istifadəçisi təmsil olunan məlumatları götürür və sonra məlumat strukturunu avtomatik qəbul edən öyrənmə alqoritmini işlədir. Eyni zamanda, əlbəttə ki, istifadəçidən verilənlərin seçilməsi və hazırlanması, istədiyiniz şəbəkə arxitekturasının seçilməsi və nəticələrin şərh edilməsi ilə bağlı bir növ evristik biliyə malik olmaq tələb olunur, lakin neyron şəbəkələrin uğurlu tətbiqi üçün tələb olunan bilik səviyyəsi. məsələn, ənənəvi statistik metodlardan istifadə etməklə müqayisədə daha təvazökardır.

Neyron şəbəkələri intuitiv olaraq cəlbedicidir, çünki onlar sinir sistemlərinin primitiv bioloji modelinə əsaslanır. Gələcəkdə belə neyrobioloji modellərin inkişafı həqiqətən düşünən kompüterlərin yaradılmasına səbəb ola bilər. Bu arada, ST Neural Networks sisteminin qurduğu onsuz da "sadə" neyron şəbəkələri tətbiqi statistik arsenalda güclü silahdır (Neural networks. STATISTICA Neural Networks: Metodology and technology of modern data analysis.).

Neyron şəbəkələri süni intellektdə aparılan tədqiqatlardan, yəni bioloji sinir sistemlərinin beynin aşağı səviyyəli strukturunu simulyasiya edərək səhvləri öyrənmək və düzəltmək qabiliyyətini təkrar istehsal etmək cəhdlərindən yaranmışdır (Patterson, 1996). 60-80-ci illərdə süni intellektin əsas tədqiqat sahəsi ekspert sistemləri idi. Belə sistemlər təfəkkür prosesinin yüksək səviyyəli modelləşdirilməsinə (xüsusən də düşüncə prosesimizin simvolların manipulyasiyasına əsaslanması ideyasına) əsaslanırdı. Tezliklə məlum oldu ki, bu cür sistemlər bəzi sahələrdə faydalı olsa da, insan intellektinin bəzi əsas cəhətlərini tuta bilmir. Bir nöqteyi-nəzər ondan ibarətdir ki, bunun səbəbi beyin quruluşunu təkrarlaya bilməmələridir. Süni intellekt yaratmaq üçün oxşar arxitekturaya malik sistem qurmaq lazımdır.

Beyin çoxlu sayda (təxminən 10.000.000.000) çox sayda əlaqə ilə birləşən neyronlardan ibarətdir (orta hesabla, hər bir neyronda bir neçə min əlaqə, lakin bu say çox dəyişə bilər). Neyronlar elektrokimyəvi siqnalları ötürməyə qadir olan xüsusi hüceyrələrdir. Bir neyron məlumat girişinin (dendritlərin), nüvənin və budaqlanan çıxışın (akson) budaqlanmış strukturuna malikdir. Hüceyrənin aksonları sinapslardan istifadə edərək digər hüceyrələrin dendritlərinə bağlanır. Aktivləşdirildikdə, neyron öz aksonu boyunca elektrokimyəvi siqnal göndərir. Sinapslar vasitəsilə bu siqnal digər neyronlara çatır və bu da öz növbəsində aktivləşdirilə bilər. Neyron dendritlərdən onun nüvəsinə gələn siqnalların ümumi səviyyəsi müəyyən səviyyəni (aktivləşmə həddi) keçdikdə aktivləşir.

Neyronun qəbul etdiyi siqnalın intensivliyi (və deməli, onun aktivləşmə ehtimalı) sinapsların fəaliyyətindən çox asılıdır. Hər sinapsın uzunluğu və xüsusi olması var kimyəvi maddələr boyunca siqnal ötürür. Neyrosistemlərin ən hörmətli tədqiqatçılarından biri Donald Hebb, öyrənmənin ilk növbədə sinaptik əlaqələrin "gücünün" dəyişməsi ilə bağlı olduğunu irəli sürdü. Məsələn, Pavlovun klassik təcrübəsində, hər dəfə itə yemək verməzdən əvvəl zəng çalındı və it tez bir zamanda zəngi yeməklə əlaqələndirməyi öyrəndi. Baş beyin qabığının eşitməyə cavabdeh olan hissələri ilə tüpürcək vəziləri arasında sinaptik əlaqələr gücləndi və korteks zəng səsi ilə həyəcanlandıqda, it tüpürcək axmağa başladı.

Beləliklə, çox sayda çox sadə elementlərdən (hər biri daxilolma siqnallarının ağırlıqlı cəmini götürür və ümumi giriş müəyyən bir səviyyəni keçərsə, ikili siqnalı daha da ötürür) qurularaq, beyin son dərəcə mürəkkəb şeyi həll edə bilir. problemlər. Təbii ki, biz burada beynin quruluşunun bir çox mürəkkəb cəhətlərinə toxunmamışıq, lakin maraqlıdır ki, sünineyron şəbəkələri yuxarıda təsvir ediləndən çox da mürəkkəb olmayan bir modeldən istifadə edərək əla nəticələr əldə edə bilər.

Annotasiya: Neyron şəbəkələr və statistika. Neyron şəbəkələri və qeyri-səlis məntiq. Neyron şəbəkələri və ekspert sistemləri. Neyron şəbəkələri və statistik fizika.

Heyvanlar aşağıdakılara bölünür:

İmperatora məxsus,

balzamlanmış,

əhliləşdirildi,

əmicilər,

sirenlər,

inanılmaz,

fərdi itlər,

bu təsnifata daxil olan,

dəli kimi qaçmaq

saysız,

ən gözəl dəvə tükü fırçası ilə boyanmış,

başqaları,

gül vazasını sındırdı,

milçəklərə bənzəyən məsafədən.

H.L.Borxes, "Con Uilkinsin Analitik Dili"

Neyrokomputinqin digər fənlər və onların metodları ilə çoxsaylı təmas nöqtələri var. Xüsusilə, neyron şəbəkələri nəzəriyyəsi statistik mexanika aparatlarından və optimallaşdırma nəzəriyyəsindən istifadə edir. Neyrokompüterin tətbiq sahələri bəzən riyazi statistikanın, qeyri-səlis çoxluqlar nəzəriyyəsinin və ekspert sistemlərinin tətbiqi sahələri ilə güclü şəkildə üst-üstə düşür və ya demək olar ki, üst-üstə düşür. Neyrokomputinqin əlaqələri və paralelləri son dərəcə müxtəlifdir və onun çoxşaxəliliyinə dəlalət edir. Əlavə sayıla biləcək bu mühazirədə bir az daha çox riyazi hazırlıq tələb olunduğu üçün onlardan yalnız ən vaciblərindən bəhs edəcəyik.

Neyron şəbəkələr və statistika

İndi neyron şəbəkələri məlumatların təhlili üçün uğurla istifadə edildiyi üçün onları köhnə yaxşı işlənmiş statistik üsullarla müqayisə etmək məqsədəuyğundur. Statistik ədəbiyyatda bəzən ən çox istifadə olunan neyron şəbəkə yanaşmalarının səmərəsiz reqressiya və diskriminant modellərindən başqa bir şey olmadığı ifadəsinə rast gələ bilərsiniz. Bundan əvvəl də qeyd etmişik çoxqatlı neyron şəbəkələri reqressiya və təsnifat kimi problemləri həqiqətən həll edə bilər. Lakin, birincisi, verilənlərin neyron şəbəkələri tərəfindən emalı daha müxtəlifdir - məsələn, Hopfield şəbəkələri və ya statistik analoqu olmayan Kohonen xüsusiyyət xəritələri ilə aktiv təsnifatı xatırlayaq. İkincisi, neyron şəbəkələrin maliyyə və biznesdə istifadəsinə dair bir çox tədqiqatlar onların əvvəllər işlənmiş statistik metodlarla müqayisədə üstünlüklərini ortaya qoydu. Neyron şəbəkələrin metodlarının və riyazi statistikanın müqayisəsinin nəticələrini daha ətraflı nəzərdən keçirək.

Neyron şəbəkələr təsvir dilidirmi?

Qeyd edildiyi kimi, bəzi statistiklər məlumatların emalına neyron şəbəkə yanaşmalarının sadəcə olaraq yenidən kəşf edildiyini və yenidən formalaşdırıldığını, lakin tanınmış statistik analiz üsulları olduğunu iddia edirlər. Başqa sözlə, neyrokompüter köhnə bilikləri təsvir etmək üçün sadəcə olaraq yeni bir dildən istifadə edir. Nümunə olaraq, Warren Searle-dən bir sitat:

Bir çox neyron şəbəkə tədqiqatçıları statistika və qeyri-xətti optimallaşdırma haqqında az biliyə malik mühəndislər, fiziklər, neyrofizioloqlar, psixoloqlar və ya kompüter alimləridir. Neyroşəbəkə tədqiqatçıları riyazi və statistik ədəbiyyatda onilliklər və əsrlər boyu məlum olan, lakin çox vaxt bu metodların necə işlədiyini başa düşə bilməyən metodları daim yenidən kəşf edirlər.

Bu nöqteyi-nəzərdən ilk baxışda ağlabatan görünə bilər. Neyron şəbəkələrinin formalizmi həqiqətən də universal bir dil rolunu iddia etməyə qadirdir. Təsadüfi deyil ki, artıq McCulloch və Pittsin qabaqcıl işlərində neyron şəbəkəsinin təsvirinin təklif məntiqinin təsvirinə bərabər olduğu göstərilmişdir.

Mən, əslində, 1961-ci il işində (...) inkişaf etdirdiyim texnika ilə beyin mütəxəssislərinin (...) və ya kompüter alimlərinin mənə verdiyi bütün suallara asanlıqla cavab verə biləcəyimi tapdım. Bir fizik olaraq mən yaxşı bilirdim ki, hər şeyi izah edən bir nəzəriyyə əslində heç nəyi izah etmir: ən yaxşı halda bu, bir dildir. Eduardo Cayanello

Buna görə də təəccüblü deyil ki, statistiklər tez-tez istifadə etdikləri anlayışların neyron şəbəkələri nəzəriyyəsində öz tərəfdarlarının olduğunu tapırlar. Warren Searle bu iki sahədə istifadə olunan terminlərin kiçik lüğətini tərtib etmişdir.

Cədvəl 11.1. Oxşar Terminlərin Lüğəti

Neyron şəbəkələri	Statistik üsullar.
İşarələr	dəyişənlər
girişlər	müstəqil dəyişənlər
çıxışlar	proqnozlaşdırılan dəyərlər
hədəf dəyərlər	asılı dəyişənlər
səhv	uyğunsuzluq
öyrənmə, uyğunlaşma, özünü təşkil etmə	sinif
xəta funksiyası, Lyapunov funksiyası	qiymətləndirmə meyarı
tədris şəkilləri (cütlər)	müşahidə
şəbəkə parametrləri: çəkilər, eşiklər.	Təxmini parametrlər
yüksək dərəcəli neyronlar	qarşılıqlı təsirlər
funksional bağlantılar	çevrilmələr
nəzarət edilən öyrənmə və ya hetero-assosiasiya	reqressiya və diskriminant təhlili
nəzarətsiz öyrənmə və ya avtomatik birləşmə	məlumatların sıxılması
rəqabətli öyrənmə, adaptiv vektor kvantlaşdırma	klaster analizi
ümumiləşdirmə	interpolyasiya və ekstrapolyasiya

Neyron şəbəkələri ilə statistika arasında fərq nədir?

Məlumatların təhlilində neyrokompüter dilləri ilə statistika arasında hansı oxşarlıqlar və fərqlər var? Ən sadə nümunəyə nəzər salaq.

Tutaq ki, biz müşahidələr apardıq və funksional əlaqəni təmsil edən N cüt nöqtəni eksperimental olaraq ölçdük. Bu nöqtələr vasitəsilə ən yaxşı düz xətti çəkməyə çalışsaq ki, bu da statistikanın dilində naməlum asılılığı təsvir etmək üçün xətti modeldən istifadə etmək deməkdir (burada müşahidə zamanı səs-küyü ifadə edir), onda müvafiq xətti reqressiya probleminin həlli olacaq. kvadratik qalıqların cəmini minimuma endirən parametrlərin təxmin edilən qiymətlərini tapmaq üçün azaldılmalıdır.

Parametrlər tapılarsa, onda siz x-in istənilən dəyəri üçün y-nin dəyərini təxmin edə bilərsiniz, yəni məlumatları interpolyasiya və ekstrapolyasiya edə bilərsiniz.

Eyni vəzifə istifadə edərək yerinə yetirilə bilər tək qatlı şəbəkə tək giriş və tək xətti çıxış neyronu ilə. Bağlantının çəkisi a və həddi b, şəbəkə təlimi zamanı eyni qalıq dəyəri (bu halda orta kvadrat xəta adlandırılacaq) minimuma endirməklə, məsələn, geri yayılma üsulu ilə əldə edilə bilər. Giriş dəyərindən çıxış dəyərini proqnozlaşdırmaq üçün neyron şəbəkənin ümumiləşdirmə xassəsindən istifadə olunacaq.

düyü. 11.1.

Bu iki yanaşmanı müqayisə edərkən, onların metodlarını təsvir edərkən statistikanın düsturlara və tənliklərə, neyrokompüterlərin isə sinir arxitekturasının qrafik təsvirinə müraciət etməsi dərhal diqqəti cəlb edir.

Sol yarımkürənin düstur və tənliklərlə, sağ yarımkürənin isə qrafik təsvirlərlə işlədiyini xatırlasaq, o zaman anlaya bilərik ki, statistika ilə müqayisədə neyron şəbəkəsi yanaşmasının “sağ yarımkürəsi” yenidən peyda olur.

Digər əhəmiyyətli fərq ondan ibarətdir ki, statistik metodlar üçün qalığın necə minimuma endirilməsinin əhəmiyyəti yoxdur - istənilən halda model eyni qalır, neyrokompüter üçün isə əsas rolu təlim metodu oynayır. Başqa sözlə, neyroşəbəkə yanaşmasından fərqli olaraq, statistik metodlar üçün model parametrlərinin qiymətləndirilməsi ondan asılı deyildir. minimuma endirmə üsulu... Eyni zamanda, statistiklər qalıq tipindəki dəyişiklikləri nəzərdən keçirəcəklər, deyək ki,

Modeldə əsaslı dəyişiklik kimi.

Çox vaxtın təlim şəbəkələri tərəfindən alındığı neyron şəbəkə yanaşmasından fərqli olaraq, statistik yanaşma ilə bu vaxt problemin hərtərəfli təhlilinə sərf olunur. Bunu edərkən statistiklərin təcrübəsindən sahəyə xas olan məlumatların və məlumatların təhlili əsasında model seçmək üçün istifadə olunur. Neyroşəbəkələrin - bu universal yaxınlaşdırıcıların istifadəsi adətən aprior biliklərdən istifadə etmədən həyata keçirilir, baxmayaraq ki, bəzi hallarda olduqca faydalıdır. Məsələn, nəzərdən keçirilən xətti model üçün, səs-küyün dəyəri bütün təlim cütləri üçün eyni dispersiya ilə normal paylanmaya malik olduqda, kök-orta-kvadrat səhvinin istifadəsi onun parametrlərinin optimal qiymətləndirilməsinə gətirib çıxarır. Eyni zamanda, əgər bu dispersiyaların fərqli olduğu məlumdursa, o zaman çəkili xəta funksiyasından istifadə edilir

Əhəmiyyətli dərəcədə daha yaxşı parametr dəyərləri verə bilər.

Hesab edilənlərə əlavə olaraq ən sadə modeldir başqa, müəyyən mənada, ekvivalent statistika modellərinə və neyron şəbəkə paradiqmalarına nümunələr verə bilərik.

Hopfield şəbəkəsinin məlumatların klasterləşdirilməsi və faktor təhlili ilə açıq əlaqəsi var.

Faktor təhlili məlumat strukturunu araşdırmaq üçün istifadə olunur. Onun əsas müddəası belə əlamətlərin - bilavasitə müşahidə oluna bilməyən, lakin bir neçə müşahidə edilən ilkin əlamətlərlə qiymətləndirilə bilən amillərin mövcudluğu fərziyyəsidir. Beləliklə, məsələn, istehsalın həcmi və əsas fondların dəyəri kimi xüsusiyyətlər istehsalın miqyası kimi bir amili müəyyən edə bilər. Təlim tələb edən neyron şəbəkələrdən fərqli olaraq, faktor analizi yalnız müəyyən sayda müşahidələrlə işləyə bilər. Prinsipcə, bu cür müşahidələrin sayı dəyişənlərin sayından yalnız bir dəfə çox olsa da, ən azı üç dəfə istifadə etmək tövsiyə olunur. daha çox məna. Bu, hələ də neyron şəbəkəsi üçün təlim nümunəsinin ölçüsündən kiçik hesab olunur. Buna görə də, statistiklər faktor analizinin daha az məlumatdan istifadə edərək üstünlüyünə işarə edir və buna görə də modelin daha sürətli yaranmasına gətirib çıxarır. Bundan əlavə, bu, faktor təhlili üsullarının həyata keçirilməsi üçün daha az güclü hesablama vasitələri tələb edir. Faktor analizinin başqa bir üstünlüyü onun ağ qutu metodu olmasıdır, yəni. tamamilə açıq və başa düşülən - istifadəçi modelin niyə bu və ya digər nəticə verdiyini asanlıqla başa düşə bilər. Amil analizinin Hopfield modeli ilə əlaqəsi vektorları xatırlamaqla görünə bilər minimum əsas müşahidələr toplusu üçün (yaddaş şəkilləri - 5-ci mühazirəyə baxın). Məhz bu vektorlar yaddaş vektorlarının müxtəlif komponentlərini - ilkin xüsusiyyətləri birləşdirən amillərin analoqudur.

STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri dünyada yeganə neyron şəbəkəsidir proqram təminatı tam rus dilinə tərcümə!

Neyron şəbəkə metodologiyaları fundamental tədqiqatlardan tutmuş məlumatların təhlilinin praktik tətbiqlərinə, biznes, sənaye və s.

bazarda ən qabaqcıl və ən səmərəli neyron şəbəkə məhsullarından biridir. Çoxlarını təklif edir unikal üstünlüklər və zəngin imkanlar. Məsələn, avtomatik neyron şəbəkə axtarış alətinin unikal imkanları, , sistemdən təkcə neyron şəbəkələri üzrə mütəxəssislər üçün deyil, həm də neyron şəbəkə hesablamaları sahəsində yeni başlayanlar üçün istifadə etməyə imkan verir.

İstifadə etməyin üstünlükləri nələrdir ?

Əvvəlki və sonrakı emal, o cümlədən verilənlərin seçilməsi, nominal qiymətlərin kodlaşdırılması, miqyaslaşdırma, normallaşdırma, təsnifat, reqressiya və zaman seriyası problemləri üçün şərh ilə çatışmayan məlumatların aradan qaldırılması;

Müstəsna istifadə rahatlığı və misilsiz analitik güc belə ki, məsələn, neyron şəbəkəsinin avtomatik axtarışı üçün misilsiz bir vasitədir Avtomatlaşdırılmış neyron şəbəkəsi (ANS) istifadəçini müxtəlif neyron şəbəkələrinin yaradılmasının bütün mərhələlərində istiqamətləndirəcək və ən yaxşısını seçəcək (əks halda, bu vəzifə uzun müddət "sınaq və səhv" prosesi ilə həll olunur və nəzəriyyədə ciddi bilik tələb edir);

Ən qabaqcıl, optimallaşdırılmış və güclü şəbəkə öyrənmə alqoritmləri (o cümlədən konjugat gradient metodları, Levenberg-Marquardt alqoritmi, BFGS, Kohonen alqoritmi); aktivləşdirmə və səhv funksiyaları, şəbəkə mürəkkəbliyi kimi şəbəkənin keyfiyyətinə təsir edən bütün parametrlərə tam nəzarət;

Neyron şəbəkələrinin ansambllarına və praktiki olaraq qeyri-məhdud ölçülü neyron şəbəkə arxitekturasına dəstək;

İnteraktiv kəşfiyyat analizini asanlaşdıran zəngin qrafik və statistik imkanlar;

Sistemlə tam inteqrasiya STATİSTİKA; bütün nəticələr, qrafiklər, hesabatlar və s. güclü qrafik və analitik vasitələrdən istifadə etməklə əlavə olaraq dəyişdirilə bilər STATİSTİKA(məsələn, proqnozlaşdırılan qalıqları təhlil etmək, ətraflı hesabat yaratmaq və s.);

Güclü avtomatlaşdırılmış alətlərlə problemsiz inteqrasiya STATİSTİKA; hər hansı analiz üçün tam hüquqlu makroların qeyd edilməsi; istifadə edərək öz neyron şəbəkə analizlərinizi və tətbiqlərinizi yaratmaq STATİSTİKA Visual Basic Zəng STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri COM texnologiyasını dəstəkləyən hər hansı proqramdan (məsələn, MS Excel elektron cədvəlində avtomatik neyron şəbəkə təhlili və ya C, C++, C #, Java və s. dillərində yazılmış bir neçə istifadəçi proqramının birləşdirilməsi).

Çoxlaylı qavrayışlar, radial əsas funksiyalar və özünü təşkil edən xüsusiyyət xəritələri daxil olmaqla ən populyar şəbəkə arxitekturalarının seçimi.
Alət mövcuddur Avtomatik Şəbəkə Axtarışı girməsinə icazə verir avtomatik rejim müxtəlif neyron şəbəkə arxitekturalarını qurmaq və onların mürəkkəbliyini tənzimləmək.
Ən yaxşı neyron şəbəkələrin qorunması.

Reqressiya, təsnifat, davamlı və kateqoriyalı asılı dəyişən ilə zaman sıraları, ölçülərin azaldılması və vizuallaşdırılması üçün klaster təhlili daxil olmaqla, müxtəlif statistik təhlil növlərinə dəstək və proqnozlaşdırıcı modellərin qurulması.

Birdən çox modeli yükləmək və təhlil etmək üçün dəstək.

Öz proqramlarınızı yaratmaq üçün asanlıqla xarici mühitə inteqrasiya oluna bilən C, C ++, C #, Java, PMML (Predictive Model Markup Language) dillərində mənbə kodu yaratmaq üçün isteğe bağlı qabiliyyət.

Kod generatoru

Kod generatoru STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri C, Java və PMML (Predictive Model Markup Language) dillərində neyron şəbəkə modellərinin orijinal sistem proqram kodunu yarada bilər. Kod generatorudur əlavə tətbiq sistemə STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri, bu, istifadəçilərə həyata keçirilən neyron şəbəkə təhlili əsasında modellərin mənbə kodu ilə C və ya Java faylı yaratmağa və onu müstəqil xarici proqramlara inteqrasiya etməyə imkan verir.

Kod generatoru tələb edir STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri.

Neyron şəbəkəsinin mənbə kodunun versiyasını yaradır (C, C++, C # və ya Java-da fayl kimi).

C və ya Java kod faylı daha sonra xarici proqramlara daxil edilə bilər.

STATİSTİKAAvtomatlaşdırılmış Neyron şəbəkələri neyron şəbəkə hesablamalarında

Neyroşəbəkələrdən istifadə məlumatların neyron şəbəkə üsulları ilə emal edilməsindən daha çox şeyi əhatə edir.

STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) yalnız ən son deyil, çox mürəkkəb tapşırıqlarla işləmək üçün müxtəlif funksiyalar təqdim edir Neyron Şəbəkə Arxitekturaları və Öyrənmə alqoritmləri, həm də müxtəlif aktivləşdirmə və səhv funksiyalarını sadalamaq imkanı ilə neyron şəbəkə arxitekturasının qurulmasına yeni yanaşmalar, nəticələrin şərhini asanlaşdırır. Bundan əlavə, proqram tərtibatçıları və tətbiqi fərdiləşdirmə ilə sınaqdan keçirən istifadəçilər sadə və intuitiv interfeysdə əvvəlcədən müəyyən edilmiş təcrübələri yerinə yetirdikdən sonra bunu qiymətləndirəcəklər. STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN), neyron şəbəkə analizləri xüsusi proqramda birləşdirilə bilər. Bu, ya COM funksiyaları kitabxanasının köməyi ilə əldə edilir STATİSTİKA, ya proqram tərəfindən yaradılan C / C ++ kodundan istifadə edərək və tam təlim keçmiş neyron şəbəkəsini idarə etməyə kömək edən proqramın bütün funksionallığını tam əks etdirir.

Modul STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri sistemlə tam inteqrasiya olunub STATİSTİKA Beləliklə, təhlil üçün məlumatların redaktə edilməsi (hazırlanması) üçün alətlərin böyük seçimi (çevirmələr, müşahidələrin seçilməsi şərtləri, məlumatların yoxlanılması vasitələri və s.) mövcuddur.

Bütün analizlər kimi STATİSTİKA, proqram yerində emal alətlərindən istifadə edərək uzaq verilənlər bazasına "qoşula" və ya canlı məlumatlarla əlaqələndirilə bilər ki, modellər öyrədilsin və ya hər dəfə məlumat dəyişdikdə avtomatik olaraq işə salınsın (məsələn, proqnozlaşdırılan dəyərləri və ya təsnifatları hesablamaq üçün) .

Məlumatların miqyası və nominal çevrilməsi

Şəbəkəyə məlumat daxil edilməzdən əvvəl onlar müəyyən bir şəkildə hazırlanmalıdır. Çıxışın düzgün təfsir oluna bilməsi də eyni dərəcədə vacibdir. V STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) giriş və çıxış məlumatlarının avtomatik miqyaslanması imkanı var; nominal dəyərləri olan dəyişənlər (məsələn, Cins = (Kişi, Qadın)) 1-of-N kodlaşdırma daxil olmaqla avtomatik olaraq yenidən kodlana bilər. STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) həmçinin itkin məlumatların idarə edilməsi üçün alətləri ehtiva edir. Zaman sıralarının təhlili üçün xüsusi olaraq hazırlanmış məlumatların hazırlanması və şərhi vasitələri var. Çox sayda oxşar alətlər də tətbiq olunur STATİSTİKA.

Təsnifat tapşırıqlarında etimad intervallarını təyin etmək olar STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) sonra müşahidələri bu və ya digər sinfə təsnif etmək üçün istifadə edir. Tətbiq edilən xüsusi ilə birlikdə STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) aktivasiya funksiyası Softmax və xətaların çarpaz entropiya funksiyaları, bu təsnifat problemlərinə fundamental nəzəri və ehtimal yanaşmasını verir.

Neyroşəbəkə modelinin, neyron şəbəkələrin ansambllarının seçilməsi

Neyroşəbəkə modellərinin müxtəlifliyi və təyin edilməli olan çoxlu parametrlər (şəbəkə ölçüsü, öyrənmə alqoritminin parametrləri və s.) digər istifadəçini çaşdıra bilər. Ancaq bunun üçün avtomatik neyron şəbəkə axtarış vasitəsi var, , avtomatik olaraq istənilən mürəkkəblikdə uyğun şəbəkə arxitekturasını axtara bilən, aşağıya baxın. Sistemdə STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) praktiki problemlərin həllində istifadə olunan bütün əsas növ neyron şəbəkələrini həyata keçirdi, o cümlədən:

çoxqatlı perseptronlar (birbaşa siqnal ötürülməsi olan şəbəkələr);

radial əsaslı funksiyalar üzrə şəbəkələr;

özünü təşkil edən Kohonen xəritələri.

Yuxarıda göstərilən arxitekturalar reqressiya, təsnifat, zaman sıraları (davamlı və ya kateqoriyalı asılı dəyişənlərlə) və klasterləşdirmə problemlərində istifadə olunur.

Bundan əlavə, sistem STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) həyata keçirilən Şəbəkə ansamblları yuxarıdakı şəbəkələrin təsadüfi (lakin əhəmiyyətli) birləşmələrindən əmələ gəlir. Bu yanaşma səs-küylü və kiçik məlumatlar üçün xüsusilə faydalıdır.

Paketdə STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN)İstifadəçiyə uyğun şəbəkə arxitekturasını seçməkdə kömək etmək üçün çoxsaylı alətlər mövcuddur. Sistemin statistik və qrafik alətlər dəstinə bütün əhali üçün və fərdi müşahidələr üçün səhvlərin histoqramları, matrisləri və qrafikləri, düzgün/yanlış təsnifat üzrə ümumiləşdirilmiş məlumatlar və bütün vacib statistikalar, məsələn, dispersiyanın izah edilmiş hissəsi avtomatik hesablanır. .

Paketdəki məlumatları vizuallaşdırmaq üçün STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) istifadəçiyə şəbəkənin “davranışını” başa düşməyə kömək etmək üçün səpələnmə qrafikləri və 3D cavab səthləri tətbiq edilmişdir.

Əlbəttə ki, sadalanan mənbələrdən əldə edilən istənilən məlumatı başqa vasitələrlə əlavə təhlil etmək üçün istifadə edə bilərsiniz. STATİSTİKA həmçinin sonradan hesabatlara daxil etmək və ya fərdiləşdirmə üçün.

STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) problemi sınaqdan keçirərkən əldə etdiyiniz şəbəkənin ən yaxşı versiyasını avtomatik olaraq xatırlayır və istədiyiniz zaman ona müraciət edə bilərsiniz. Şəbəkənin faydalılığı və onun proqnozlaşdırma qabiliyyəti avtomatik olaraq xüsusi testlər toplusu ilə, həmçinin şəbəkənin ölçüsünü, səmərəliliyini və səhv təsnifat dəyərini qiymətləndirməklə yoxlanılır. -də həyata keçirilir STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) avtomatik çarpaz doğrulama və çəki tənzimləmə prosedurları şəbəkənizin qeyri-kafi və ya əksinə, verilmiş tapşırıq üçün çox mürəkkəb olub olmadığını tez öyrənməyə imkan verir.

Paketdə performansı artırmaq üçün STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələriçoxsaylı şəbəkə konfiqurasiya variantları təqdim olunur. Beləliklə, siz reqressiya problemlərində xətti çıxış şəbəkə qatını və ya ehtimal qiymətləndirməsi və təsnifat məsələlərində softmax tipli aktivləşdirmə funksiyasını təyin edə bilərsiniz. Sistem həmçinin məlumat nəzəriyyəsi modellərinə əsaslanan çarpaz entropiya xətası funksiyalarını və həm gizli, həm də çıxış neyronları üçün Identity, Exponential, Hyperbolic, Logistic (sigmoid) və Sine funksiyaları daxil olmaqla bir sıra xüsusi aktivləşdirmə funksiyalarını həyata keçirir.

Avtomatlaşdırılmış neyron şəbəkəsi (avtomatik axtarış və müxtəlif neyron şəbəkə arxitekturalarının seçilməsi)

Paketin bir hissəsi STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) avtomatik neyron şəbəkə axtarış vasitəsidir, Avtomatlaşdırılmış neyron şəbəkəsi (ANS) - Avtomatlaşdırılmış Şəbəkə Axtarışı (ANS) müxtəlif arxitekturaya və mürəkkəbliyə malik bir çox neyron şəbəkələrini qiymətləndirən və verilən tapşırıq üçün ən yaxşı arxitekturaya malik şəbəkələri seçən .

Neyroşəbəkə yaratarkən, evristik axtarış metodundan istifadə edərək, uyğun dəyişənlərin seçilməsinə və şəbəkə arxitekturasının optimallaşdırılmasına xeyli vaxt sərf olunur. STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) bu işi öz üzərinə götürür və avtomatik olaraq sizin üçün evristik axtarış aparır. Bu prosedur giriş ölçüsünü, şəbəkənin tipini, şəbəkənin ölçüsünü, aktivləşdirmə funksiyalarını və hətta tələb olunan çıxış xətası funksiyalarını nəzərə alır.

Bu, ən yaxşı şəbəkə arxitekturasını avtomatik tapmağa imkan verən mürəkkəb texnikalardan istifadə edərkən son dərəcə təsirli vasitədir. Kompüterinizin qarşısında saatlarla oturmaq yerinə sistemə icazə verin STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) bu işi sizin üçün etmək.

Ən yaxşı şəbəkə növünü və arxitekturasını tapmaqda təcrübələrinizin uğuru əsasən şəbəkə öyrənmə alqoritmlərinin keyfiyyətindən və sürətindən asılıdır. Sistemdə STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) günümüz üçün ən yaxşı təlim alqoritmləri tətbiq edilmişdir.

Sistemdə STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) iki sürətli ikinci dərəcəli alqoritmlər - konjugat gradient metodları və BFGS alqoritmi həyata keçirmişdir. Sonuncu qeyri-adi güclü müasir qeyri-xətti optimallaşdırma alqoritmidir və mütəxəssislər ondan istifadə etməyi çox tövsiyə edirlər. BFGS alqoritminin daha az yaddaş tələb edən sadələşdirilmiş versiyası da mövcuddur ki, bu da sistem tərəfindən kompüterin operativ yaddaşının imkanları kifayət qədər məhdud olduğu halda istifadə olunur. Bu alqoritmlər Gradient Descent kimi birinci dərəcəli alqoritmlərə nisbətən daha sürətli birləşir və daha dəqiq həll əldə edir.

Sistemdə şəbəkənin öyrədilməsinin iterativ prosesi STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) cari öyrənmə xətasının və ondan asılı olmayaraq test toplusunda hesablanmış xətanın avtomatik ekranı ilə müşayiət olunur, eyni zamanda ümumi xətanın qrafiki də göstərilir. İstənilən vaxt sadəcə düyməni basmaqla məşqi dayandıra bilərsiniz. Bundan əlavə, dayanma şərtlərini təyin etmək mümkündür, yerinə yetirildikdə məşq dayandırılacaq; belə bir vəziyyət, məsələn, müəyyən bir səhv səviyyəsinə nail olmaq və ya müəyyən bir sayda keçid üzərində yoxlama xətasının sabit artımı ola bilər - "epoxalar" (bu, şəbəkənin həddindən artıq uyğunluğunu göstərir). Həddindən artıq uyğunlaşma baş verərsə, istifadəçi buna əhəmiyyət verməməlidir: STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) təlim zamanı əldə edilən ən yaxşı şəbəkənin nümunəsini avtomatik olaraq xatırlayır və bu şəbəkə seçiminə həmişə müvafiq düyməni basmaqla daxil olmaq olar. Şəbəkə təlimi başa çatdıqdan sonra onun işinin keyfiyyətini ayrıca test dəstində yoxlaya bilərsiniz.

Şəbəkə öyrədildikdən sonra onun işinin keyfiyyətini yoxlamaq və xüsusiyyətlərini müəyyən etmək lazımdır. Bunun üçün paketdə STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) ekrandakı statistika və qrafik alətlər dəsti var.

Bir neçə model (şəbəkələr və ansambllar) göstərildiyi təqdirdə (mümkünsə) STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) müqayisəli nəticələri göstərir (məsələn, bir qrafikdə bir neçə modelin cavab əyrilərini çəkir və ya bir cədvəldə bir neçə modelin proqnozlaşdırıcılarını təqdim edir). Bu xüsusiyyət eyni verilənlər bazasında öyrədilmiş müxtəlif modelləri müqayisə etmək üçün çox faydalıdır.

Bütün statistik məlumatlar istifadəçinin ixtiyarına uyğun olaraq təlim, yoxlama və sınaq dəstləri və ya onların hər hansı kombinasiyası üçün ayrıca hesablanır.

Aşağıdakı ümumi statistika avtomatik olaraq hesablanır: şəbəkənin orta kvadrat xətası, təsnifat problemləri üçün qarışıqlıq matrisi (burada bütün düzgün və yanlış təsnifat halları ümumiləşdirilir) və reqressiya problemləri üçün korrelyasiya. Kohonen şəbəkəsində şəbəkə elementlərinin aktivləşdirilməsinin vizual müşahidə oluna biləcəyi Topoloji Xəritə pəncərəsi var.

Hazır həllər (xüsusi proqramlardan istifadə edərək STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri)

Sadə və istifadəçi dostu sistem interfeysi STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) problemlərinizi həll etmək üçün tez bir zamanda neyron şəbəkə proqramları yaratmağa imkan verir.

Bu həlləri mövcud sistemdə qurmaq, məsələn, onları daha geniş hesablama mühitinin bir hissəsi etmək zərurəti yarandıqda vəziyyət mümkündür (bunlar ayrıca işlənib hazırlanmış və korporativ hesablama sisteminə daxil edilmiş prosedurlar ola bilər).

Təlim edilmiş neyron şəbəkələri bir neçə yolla yeni verilənlər toplusuna (proqnozlaşdırma üçün) tətbiq oluna bilər: Siz təlim keçmiş şəbəkələri saxlaya və sonra onları yeni verilənlər toplusuna tətbiq edə bilərsiniz (proqnozlaşdırma, təsnifat və ya proqnozlaşdırma üçün); Siz C (C ++, C #) və ya Visual Basic-də avtomatik olaraq proqram kodu yaratmaq üçün kod generatorundan istifadə edə bilərsiniz və sonra onu hər hansı bir vizual əsas və ya C ++ (C #) proqramlaşdırma mühitində yeni məlumatları proqnozlaşdırmaq üçün istifadə edə bilərsiniz, yəni. Tətbiqinizə öyrədilmiş neyron şəbəkəsi. Sonda sistemin bütün funksionallığı STATİSTİKA daxil olmaqla STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN), digər proqramlarda (məsələn, Java, MS Excel, C#, VB.NET və s.) COM obyektləri (Component Object Model) kimi istifadə oluna bilər. Məsələn, həyata keçirə bilərsiniz avtomatik analiz ilə yaradılmışdır STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) MS Excel cədvəllərində.

Öyrənmə alqoritmlərinin siyahısı

Qradient eniş

Birləşən gradientlər

Kohonen məşqi

Radial əsas funksiyalar şəbəkəsi üçün K-Means metodu

Şəbəkələrin ölçüsünə dair məhdudiyyətlər

Neyroşəbəkə demək olar ki, istənilən ölçüdə ola bilər (yəni onun ölçüsü əslində zəruri və ağlabatan olduğundan dəfələrlə böyük götürülə bilər); çoxqatlı qavrayışlar şəbəkəsi üçün neyronların bir gizli təbəqəsinə icazə verilir. Əslində, hər hansı bir praktik tapşırıq üçün proqram yalnız kompüterin aparat imkanları ilə məhdudlaşır.

Elektron Təlimat

Sistemin bir hissəsi kimi STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN) neyron şəbəkələrinə tam və aydın giriş, eləcə də nümunələr ilə yaxşı təsvir edilmiş dərslik var. Təfərrüatlı kontekstli yardım sistemi istənilən dialoq qutusunda mövcuddur.

Mənbə kodu generator

Mənbə kodu generatoru istifadəçilərə sistem əsasında asanlıqla öz proqramlarını yaratmağa imkan verən əlavə məhsuldur STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN)... Bu əlavə məhsul neyroşəbəkə modelinin mənbə sistem kodunu (C, C++, C # və ya Java-da fayl kimi) yaradır və bu kodu pulsuz paylamaq üçün ayrıca tərtib etmək və proqramınıza inteqrasiya etmək olar. Bu məhsul xüsusi olaraq korporativ sistem tərtibatçıları, eləcə də burada yaradılmış yüksək optimallaşdırılmış prosedurları çevirməli olan istifadəçilər üçün nəzərdə tutulmuşdur. STATISTICA Avtomatlaşdırılmış Neyron Şəbəkələri (SANN), mürəkkəb analitik problemlərin həlli üçün xarici tətbiqlərə. (Qeyd edək ki, icazə almaq üçün istifadəçilər yaradılan koddan istifadə edərək proqramların yayılması barədə ssia saytının əməkdaşlarına məlumat verməlidirlər).