NeuroShell Predictor версия 2.0

Технические характеристики

Требования к компьютеру
IBM® PC или совместимый компьютер с процессором 80486 или выше и
не менее 16 МБ оперативной памяти.

Требования к программному обеспечению
NeuroShell Predictor представляет собой 32-разрядный програмный продукт, работающий в среде Microsoft® Windows™ 95/98 или Windows™ NT. Он не работает под Windows 3.1.

Ограничения
150 входных переменных и одна выходная переменная.
16000 строк данных (количество примеров).

Файлы данных
Текстовые файлы с разделителями в виде запятой, точки с запятой, пробела или знака табуляции. Если Ваши данные находятся в электронной таблице, просто сохраните их в виде .CSV-файла.

Методология
Используется специально разработанный алгоритм  TurboProp™ 2, не основанный на традиционном алгоритме обратного распространения ошибки. Используется также специально разработанный вариант Нейронной Сети с Общей Регрессией.

Скорость
Нейронные сети обучаются очень быстро, как правило, это занимает минуты.
Генетический способ обучения окажется достаточно медленным при больших файлах данных. Этот метод более подходит для данных, содержащих не более 3000 строк.

Cтатистика относительной важности входов
В предыдущем выпуске такой анализ был реализован только для генетического способа тренировки. Теперь гистограмму относительной важности входов Вы можете наблюдать на экране при обеих стратегиях обучения. Кроме того, NeuroSell Predictor выводит на экран список входов и соответствующие значения относительной важности переменных для предсказываемого выхода.

Уровень обобщения при нейросетевой стратегии обучения
Кнопка Advanced (расширенные возможности) позволяет устанавливать уровень обобщения от 0% (отсуствие обобщения) до 100% (полное обобщение). Значение 50% эквивалентно Enhanced (улучшенному режиму) обобщения. Эта величина устанавливается по умолчанию, когда выбирается режим Enhanced.

Максимальное количество скрытых нейронов
При использовании нейросетевой стратегии обучения Вы можете установить ограничение на максимальное количество нейронов скрытого слоя (вплоть до 150).

Максимальное количество поколений
При использовании генетического способа тренировки Вы можете установить критерий остановки алгоритма, выбрав максимальное количество поколений (от 10 до 1000), не приводящих к улучшению. Это дает возможность управлять длительностью процесса обучения.

Расширенные возможности генетического способа
В данной версии NeuroShell Predictor позволяет выбирать различные цели генетической оптимизации Вашей модели. Целью может быть:

• Максимизация критерия R квадрат (R-Squared)
• Минимизация средней ошибки
• Максимизация корреляции
• Минимизация среднего квадрата ошибки (Mean Squared Error)
• Минимизация корня квадратного из среднего квадрата ошибки, т.е. среднеквадратичной ошибки (RMSE - Root Mean Squared Error)
• Максимизация с заданной точностью параметра, определенного пользователем

Расширенные возможности статистической обработки и графиков
Отображение на графике действительных и предсказанных выходов, а также график корреляции действительных и предсказанных значений.
Целый ряд статистических характеристик может быть представлен графически, что позволяет Вам оценить, насколько хорошо обучена Ваша модель и насколько хорошо она делает предсказания. В их число входят:

• Критерий R квадрат (R-Squared)
• Средняя ошибка
• Коэффициент корреляции
• Средний квадрат ошибки - Mean Squared Error (MSE)
• Средняя квадратичная ошибка (квадратный корень из среднего квадрата ошибки) - Root Mean Squared Error (RMSE)
• Процент предсказаний, попавших в заданный диапазон точности - % in Range

Возможность редактирования
NeuroShell Predictor предоставляет некоторые возможности редактирования таблицы данных. Если по некоторым причинам у Вас возникла необходимость отредактировать значения в Вашем файле данных, Вы можете это сделать, выбрав соответствующую ячейку и нажав Enter или F2. Можно также дважы щелкнуть по нужной ячйке и отредактировать ее содержание. Программа не позволит Вам ни сохранить отредактированные данные, ни добавить или убрать строки или столбцы. Однако, Вы можете сохранить новые значения в выходном файле после создания нейросети.