NeuroSolutions简介概述NeuroSolutions是由具有世界领先科技的NeuroDimension开发的一个顶级
水平的人工神经网络集成开发环境。它把模块化，组件为基础的神经网路设计界面和多种高级学习算法（例如共轭斜量法conjugateg
radients，Levenberg-Marquardt和时间反向传播学习BackPropagationThroughTi
me）结合起来.概述这套软件可用来设计,训练,运用被监督的和不被监督的神经网络模型来完成各种不同的任务，例如数据挖掘,
分类,函数逼近,多元回归,和时间序列预测。NeuroSolution产品简介NeuroSolution提供三种独立
的向导来自动建立神经网络模型：DataManager（数据管理师）NeuralBuilder（神经网络构建师）Neur
alExpert（神经网络专家)软件模块和版本介绍该软件系列提供多种模块和版本以供用户选择。用户通过调研可以选择适合自己的模块
和版本。NeuroSolutions该软件系列的核心和基础模块考虑到用户学习和使用的进程，该模块提供了六种级别/版本的授权模
式，以使得用户根据其实际情况已最经济的方式取得软件使用权。1.Educator是入门级，适用于想了解神经网络并用MLP模型的过
户。2.Users版将Educator扩展到静态认知应用的多种模型。3.Consultants版支持动态认知，时间序列预测和
过程控制问题。4.Professional版添加了兼容ANSIC++代码生成功能，可将NeuroSolutions算法嵌入用户
自己的应用（含学习模式）。同时允许各种仿真在其他计算机系统上运行，如更快的计算机或嵌入式实时系统。5.Developer和De
veloperLite版可以将用户自己的神经网络、预处理、控制和输入/输出集成到软件中。NeuroSolutionsfor
Excel该模块和NeuroSolutions的六个级别中的任一个联合使用，让用户操作数据、生成报告并运行批处理试验作业The
CustomSolutionWizard该模块提供快速向导，提取NeuroSolutions生成的神经网络，编译和生成动态
链接库，用户将其嵌入自己的应用。NeuroSolutionsforMATLAB这是一个为MATLAB开发的工具包，有15种
神经元模型，5种学习算法和许多有用的功能，使用户能利用神经网络的强大功能解决现实世界的复杂问题。所有的功能通过友好的界面集成到MA
TLAB中，用户几乎不需要懂得神经网络的知识就可以开始使用。该工具包同时集成到NeuroSolutions中让用户在NeuroSo
lutions中构建神经网络，然后在MATLAB中使用。TheGeneticServer/Library提供遗传算法服务器
（GS）和遗传算法库（GL）用于遗传算法设计。GS是一个ActiveX组件，使用它非常容易在VB中创建一个遗传算法的应用，GL是一
个C++的库。TradingSolutionsTradingSolutions是一个金融和投资分析程序，将传统的分析技术和当前
的神经网络、遗传算法结合起来，可以创建极其有效的金融投资交易模型。DataManager（数据管理师）DataManag
er模块帮助用户从MicrosoftAccess,MicrosoftExcel，或文本文件导入数据和进行各种各样的数据预处理
和数据分析操作。从这里，用户可以直接把数据载入NeuroSolution面板或用这些数据构造一个新的神经网络。Neural
Builder（神经网络构建师）NeuralBuilder集中了设计规范根据用户想建立的具体的神经网络结构。其中一些常见的结
构包括：MultilayerPerceptron(MLP)多层感知器GeneralizedFeedforward通
用前馈网络Modular模组网络Jordan/ElmanPrincipalComponentAnalysis(
PCA)NeuralBuilder（神经网络构建师）RadialBasisFunction(RBF)辐径基底函数网络
GeneralRegressionNeuralNetwork(GRNN)通用回归神经网络Probabilisti
cNeuralNetwork(PNN)概率神经网络Self-OrganizingMap(SOM)自组织映射网络
Time-LagRecurrentNetwork(TLRN)时间滞后循环网络RecurrentNetwork重复
网络CANFISNetwork(FuzzyLogic)模糊逻辑网络SupportVectorMachine(
SVM)支持向量机NeuralBuilder（神经网络构建师）当神经网络结构选定后，用户可以设定象隐藏层层数，神经元个数和学
习算法等各种参数。如果用户不是很确定要设定的参数，内部的遗传算法可以用来优化参数设定。NeuralExpert（神经网络专家
)根据用户想要用神经网络解决的问题类型（分类，预测，方程逼近，或丛集），NeuralExpert集中了各种各样的设计规范。根据
问题类型和用户拥有的数据数量，NeuralExpert可以智能地选择会产生好的方案的神经网络结构和神经网络规模。用户在Neura
lExpert里也可选择初学者级，这样一些高级的操作例如交叉检验和遗传优化等将被被隐藏起来。用户定制神经网络解决方案Neur
oSolutions是建立在以下这样一个概念上：神经网络可以分成神经组件，单个看这些组件相对的简单，但当把几个组件连接起来可
以构成一个能够解决非常复杂问题的网络。网络构建向导（networkconstructionwizards)会根据用户的规范
把这些组件连接起来。用户定制神经网络解决方案但是在神经网络构建之后，组件以及组件之间的连接仍然可以变动，这样你可以拥有无穷多
可能的神经网络模型。NeuroSolutions还可以通过动态连接库（DLL)让你融合进你自己的算法.每个NeuroSolut
ions组件对应于一个符合C语言协议的函数。为添加一个新的组件用户只需修改基本组件对应的模板函数然后编译成动态连接库。用户定制神
经网络解决方案NeuroDimension公司为用户的应用程序提供三种方式和NeuroSolutions融合来产生用户定制的神
经网络解决方案。CodeGeneration(源代码生成器)DLLGeneration(动态连接库生成器)OLEA
utomattion(对象链接与嵌入自动化)CodeGeneration(源代码生成器)NeuroSolutions可
以根据由其自身GUI设计生成的神经网络自动地生成C++源代码。这项功能为具体的应用程序定制神经网络源代码提供了很大的灵活性。由于生
成的代码是ANSI兼容的，用户可以方便地把神经网络解决方案移植到其他平台例如UNIX.DLLGeneration(动态连
接库生成器)CustomSolutionWizard（顶制方案向导）是一个可选的附件产品。它可将NeuroSolution
s生成的神经网络模型封装成一个拥有简单协议的动态连接库。这个DLL可以嵌入用户自己的C++,VisualBasic,Micr
osoftExcel,MicrosoftAccess,ASP等应用程序中。这种方法的重要优势在于即使用户不是一个高级程序员
也可以方便容易地使用它。OLEAutomattion(对象链接与嵌入自动化)这项技术提供了从任何支持自动化的应用程序中程序
化地控制NeuroSolutions的能力，例如MicrosoftExcel,MicrosoftAccess,和用Vis
ualBasic或VisualC++开发的应用程序。在最简化的情形，应用程序可以送数据给NeuroSolution进行处理
，然后把结果回馈给应用程序。基于NeuroSolutions的广泛协议，通过它可以完成非常复杂的任务一些重要的特性Obje
ctOrientedCore:NeuroSolutions所有模块的演算式设计都已转成对象导向语言(OOP)的模式，尤其当
我们注重仿真的速度时，对象导向语言的设计方式拥有极大的优势。在常规上，直译式的设计环境有较大的弹性，但是其仿真速度非常慢，换句话说
，以编译码的方式进行仿真的速度会非常快，但通常会受限于使用者界面的操控性而不够灵活。因此，对象导向的设计方式结合了直译式灵活的使用
者界面与编译式高速运算的优点，可以说是最理想的Neural-CAD。TemporalProcessing：如同许多神经网络软件
一般，刚开始我们所设计的软件在训练网络时期只支持静态学习法则(例如:他们只能使用现在一瞬间的信息)，这种严重的缺点是导致在大部分
应用上降低效能的原因，例如:程序控制、时间序列分析、预测、不固定信号分类…等。因此，我们加强了周期性拓朴及动态神经网络(例如:
加强记忆架构)，并且应用最先进的学习法则(例如:BPthroughtime)在解决时间序列的问题上。GraphicalU
serInterface：NeuroSolutions的对象导向式界面提供了架构神经网络所必须具备的工具，而且每一个对象皆以不
同的图像来表示，方便使用者辨别其功能。使用者只需将类神经组件(例如:神经元、神经键、徒坡搜寻引擎…等)布局在图形化面板上，并且将
它们连接在一起形成神经网络，接着引入信号到输入神经元，最后我们就可以利用视觉化探测组件显示出网络的整体运作过程。Probing:
当我们架构好一个神经网络后，就可利用探测组件来运行监测网络运作过程的工作，其显示型态完全依所欲观察的信息而定，并且可以撷取出网络
内部所有的变量(inputs/outputs,weights,errors,hiddenstates,gradient
s,andsensitivities….)。其中静态的探测组件只能显示当前瞬间的信息，而暂存的探测组件会暂时保存信息，并将信息
对映到整个时间轴、频率轴或空间轴显示出来。NeuroSolutions支持至少15种模型：1.MultilayerPerce
ptron(MLP)多层感知机2.GeneralizedFeedforwardNetwork通用前馈神经网络3.Modu
larNetwork4.Jordan/ElmanNetworks5.Self-OrganizingMap(SOM)6
.PrincipleComponentAnalysis(PCA)7.RadialBasisFunction(RBF)
8.Neuro-FuzzyNetwork(CANFIS)9.HopfieldNetwork10.Probabilist
icNeuralNetwork(PNN)11.GeneralRegressionNeuralNetwork(GRNN)12.TimeDelayNeuralNetwork(TDNN)13.Time-LagRecurrentNetwork(TLRN)14.SupportVectorMachineNetwork15.GeneralRecurrentNetwork学习算法除了Levenberg-Marquardt方法以外，其还提供了以下6种学习算法步骤法动力法Quickprop法Delta-Bar-delta法共轭梯度法Levenberg-Marquardt法华东子类神经网络仿真软件介绍 |
|
