Nuclass7 7.06
Vous pourrez télécharger en 5 secondes.
Sur Nuclass7
Freeware pour la formation rapide, la validation et l’application des réseaux de type classification. Algorithme d’élagage rapide crée une séquence imbriquée de différents réseaux de taille. Inclut le percepteur multicouche (MLP), le réseau de liaison fonctionnel, le réseau linéaire à la pièce, le classificateur voisin le plus proche (NNC), la carte d’auto-organisation (SOM) et le clustering K-Means. Le code source C pour l’application de réseaux formés est fourni, afin que les utilisateurs puissent utiliser les réseaux dans leurs propres applications. Les fichiers de données de formation au format txt fournis par l’utilisateur, contenant des lignes de nombres, peuvent être de n’importe quelle taille. Par exemple, des données de formation sont également fournies. Graphiques VB rapides pour erreur de classification réseau et formation de cluster SOM sont inclus. Des fichiers d’aide étendus sont fournis dans le logiciel. Nuclass7 est hautement automatisé et nécessite très peu de choix de paramètres par l’utilisateur. Les fonctionnalités avancées incluent un algorithme de formation MLP rapide (plus rapide et meilleur que BP et LM), la sélection des fonctionnalités d’entrée, l’élagage (élimination) des unités inutiles (pour MLP) et des modules pour PLN). Les erreurs de formation et de validation sont tracées par rapport à la taille du réseau. Les utilitaires sont fournis pour compter les modèles, supprimer des colonnes, combiner des fichiers, fractionner des fichiers, calculer la moyenne des colonnes et l’écart type, et tracer des histogrammes de colonne. Les données d’entraînement peuvent être compressées à l’aide de la transformation discrète de Karhunen-Loeve (KLT). Cette version freeware de Nuclass7 limite le MLP à 10 unités cachées, le PLN à 10 clusters, et le NNC à 50 clusters. Upgradable à la version commerciale, qui n’a pas ces limitations. La version régression/approximation de ce logiciel, appelée Numap7, est également disponible. Nuclass7 a été développé par l’Image Processing and Neural Networks Lab of Univ. of Texas à Arlington, et par Neural Decision Lab LLC.