Внимание!!! Это старая версия нашего сайта, новая версия находится здесь

NeuroShell® 2

Графика NeuroShell 2 помогает анализировать данные

Выберите картинку, чтобы увеличить масштаб

NeuroShell 2 имеет богатые возможности графического анализа данных путем построения точечных и линейчатых графиков, корреляционных диаграмм, а также графиков типа high-low-close. Пакет позволяет Вам использовать 3-мерные графические эффекты и изменять цвета и типы графиков.

Графики могут быть распечатаны любым совместимым с Windows принтером, скопированы в блокнот или сохранены в виде файла. Используя модуль Графики зависимостей, Вы можете создавать графики четырех различных типов.

График зависимости переменной (переменных) по всем примерам

Позволяет построить зависимость одной или нескольких переменных по всем примерам в файле, даже если переменные имеют различные типы. Этот тип графиков полезен для анализа временных зависимостей. Вы также имеете возможность строить зависимости по выбранному количеству примеров.

График зависимости внутри примера

Используйте этот тип графика, если все переменные в примере - одного типа, например, 100 точек в физиологическом сигнале, таком, как электрокардиограмма. На графике Вы увидите, как выглядит эта кардиограмма.

Корреляционная точечная диаграмма

Позволяет построить зависимость одной переменной от другой для всех примеров, что демонстрирует корреляцию между ними. На этом графике отображается также линейный коэффициент корреляции между этими двумя переменными.

График High-Low-Close

Этот тип графика позволяет Вам выбрать переменные из Вашего файла данных, чтобы построить график в переменных максимальная цена (high) - минимальная цена (low) - цена закрытия (close), используемых для рыночных предсказаний. Этот график отражает тенденцию в Ваших данных.

Графики тренировки

NeuroShell 2 позволяет также отображать графики зависимостей средней ошибки на тренировочном и тестовом наборах от времени тренировки в процессе тренировки сетей с обратным распространением ошибки. При тренировке сетей Кохонена Вы можете наблюдать распределение по классам в виде линейчатой или круговой диаграммы. Модули тренировки Вероятностной Нейронной Сети и Нейронной Сети с Общей Регрессией позволяют Вам отображать на графике оптимизацию параметра сглаживания. Модуль тренировки сетей МГУА позволяет строить график зависимости критерия МГУА от номера слоя.

Страницы...

Начальная

К началу этой