Numap7 7.06
Vous pourrez télécharger en 5 secondes.
Sur Numap7
Freeware pour la formation rapide, la validation et l’application des réseaux de régression/approximation. 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, 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 l’erreur de formation réseau et la formation de cluster sont inclus. Des fichiers d’aide étendus sont fournis dans le logiciel. Numap7 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 Numap7 limite le MLP à 10 unités cachées et limite le PLN à 10 clusters. Upgradable aux versions commerciales qui n’ont pas ces limitations. La version classification (prise de décision) de ce logiciel, appelée Nuclass7, est également disponible. Numap7.0 a été développé par l’Image Processing and Neural Networks Lab of Univ. of Texas à Arlington, et par Neural Decision Lab LLC.