Нейронная сеть представляет собой систему соединенных и взаимодействующих между собой простых процессоров (искусственных нейронов). Нейронные сети не программируются, а обучаются. Возможность обучения - одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполняться обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.
Сборка NN предназначена для создания, обучения и использования нейронных сетей. Данная сборка позволяет просто и без проблем интегрировать функциональность нейронных сетей в приложения. Это позволит успешно осуществлять анализ, классификацию данных и прогнозирование.
Основными интерфейсами сборки являются:
INeuralNetwork. Интерфейс для работы с сетями обратного распространения и самоорганизующимися картами Кохонена.
Основные характеристики сборки NN:
высокая скорость работы;
поддержка многоуровневых искусственных сетей (обратного распространения и карт Кохонена);
поддержка сетей прямого распространения и сетей с синапсами, заданными пользователем (использование «смещенного входа»);
обучение сети обратного распространения с настраиваемыми параметрами обучения;
поддержка самоорганизующихся карт Кохонена (евклидово расстояние и алгоритм скалярного умножения векторов);
реализованы различные функции активации сети: пороговая функция, гиперболический тангенс, экспоненциальная сигмоида;
возможность сохранения сети в текстовый файл и последующего восстановления для дальнейшего использования или обучения.
См. также: