Круглов В.В., Борисов В.В. - Искусственные нейронные сети (ИНС) Теория и практика (778918), страница 25
Текст из файла (страница 25)
Оценка проведена по десятибалльной шкале и сопровождена комментариями, призванными помочь составить собственное мнение о протестированных нейропакетах 1) Нейропакет Мецго8о(цбопв фирмы Мецго0ипепв)оп (пс. Мешо8о!цбопз предназначен для моделирования большого набора нейронных сетей. Основное его достоинство состоит в гибкости: помимо традиционных нейросетевых парадигм (полносвяэных и многослойных НС, самоорганизующихся карт Кохонена) нейропакет включает в себя мощный редактор визуального проектирования нейронных сетей, позволяющий создавать любые нейронные структуры и алгоритмы их обучения, а также вводить собственные критерии обучения Меиго8о)цбопз имеет хорошие средства визуализации структур, процессов и результатов обучения и функционирования нейронных сетей. Это ставит данный нейропакет на уровень САО-систем (систем автоматизированного проектирования) проектирования и моделирования НС.
Пакет предназначен для работы УУ(пг(оигв. Помимо средств взаимодействия с операционной системой (О(.Е), нейропакет снабжен генератором исходного кода и позволяет использовать внешние модули при создании и обучении нейронной сети. Пакет поддерживает программы, написанные на языке С++ для компиляторов М)сгово(( Ч)виа( С++ и Вог(апг( С++, а также в виде 00 -кода Таким образом, Мецго8о(цбопз является гибкой открытой системой, которую можно при необходимости дополнять и модифицировать.
Пакет содержит встроенный макроязык, позволяющий производить практически любую настройку под конкретную задачу. В пакете реализуется большой перечень нейронов, включая взвешенный сумматор (нейрон первого порядка), нейроны высших порядков (с перемножением входов), а также непрерывный интег. рирующий нейрон Функция активации нейрона может быть выбрана из пяти стандартных (кусочно-линейная, функция знака и три типа сигмоидальных) функций, а также задана пользователем. Связи между нейронами задаются произвольно на этапе проектирования и могут быть изменены в процессе работы.
Поддержива- 152 ,отся все типы связей: прямые, перекрестные и обратные. При этом хорошо реализована схема организации связей можно задать одну векторную связь с заданной весовой матрицей, а не набор скалярных связей с весовыми коэффициентами Нейропакет (чеигоЗо!цбопэ содержит мощные средства для организации обучающих выборок Встроенные конверторы данных поддерживают графические изображения в формате ВМР, текстовые файлы с числовыми или символьными данными, а также функции непрерывного аргумента (например, времени), заданные в аналитическом виде или в виде выборки значений. Нейропакет позволяет использовать любые внешние конверторы данных На этапе обучения может быть использован широкий круг критериев обучения, как дискретных, так и непрерывных.
Помимо этого можно вводить собственные критерии. Можно использовать как встроенный алгоритм обучения типа ЬасК-ргорада()оп или дельта-правила, так и использовать собственный. Система визуализации процесса обучения позволяет проводить анализ изменения весов непосредственно в процессе обучения и вносить коррективы. Может быть введена шумовая характеристика как при тестировании, так и при обучении нейронной сети Можно задать аддитивный белый шум, шум произвольной природы, а также любой заданный тип шума (например, белый мультипликативный).
'г(ецгово!цбопв содержит генератор (мастер) стандартных нейросетевых архитектор (й)еига) И/(кагг)), с помощью которого быстро задается архитектура, подбирается обучающая выборка, критерии и методы обучения нейронной сети Оценка нейропакета ° Простогла использования — 9. Прост в использовании, имеет хороший интуитивно понятный интерфейс с возможностями настройки. Неудобством является несколько непривычная терминология, примененная разработчиками, за что и снят один балл. ° Простота формврованоя обучающей выборко — 9. Обучающая выборка может быть сформирована либо на этапе создания нейронной сети средствами нейропакета, либо задана для уже созданной НС.
Поддерживаются основные типы данных текстовые данные в формате АЗС(), бинарные данные в виде исполняемого модуля и изображения в формате ВМР. При необходимости может быть подключен внешний конвертор данных. Балл снят за отсутствие встроенных конверторов некоторых популярных форматов данных, в частности звуковых файлов (в формате уудЧ) 153 ° Наглядность представления информации — 10. йеигобо)ибопв является лучшим из сравниваемых пакетов по наглядности представления информации. Система визуализации очень гибкая и хорошо продумана ° Реализация стандартных нейронных парадигм и алгоритмов обучения — 8.
Поддерживает основные нейропарадигмы (сеть обратного распространения, сети Кохонена, оптимизирующие нейронные сети и т. д.), Реализуется также широко используемый набор алгоритмов обучения: обратного распространения ошибки, градиентные методы, обучение без учителя и т. д. Два балла сняты за отсутствие некоторых популярных нейропарадигм, в частности, сетей Хопфилда. ° Возможность создания собственных нейронных структур — 10 В нейропакет встроен мощный нейроконструктор, позволяющий создавать любые нейронные структуры.
° Возможность использования собственных критериев обучения — 8. Позволяет задавать собственные критерии обучения нейронной сети, что, однако, связано с необходимостью подключения внешних модулей. За что и сняты два балла. ° Возможность использования собственных алгоритмов обучения — 10 Позволяет использовать любые собственные алгоритмы обучения в виде внешних программных модулей. ° Обмен информацией между нейропакетом и операционнои системой — 10.
Имеет развитые средства обмена с другими приложениями операционной системы, Поддерживается ОСЕ и технология Огацапд-Огор. ° Огпкрытость архитектуры — 10. Представляет собой открытую систему, позволяющую подключать собственные программные модули, реализующие нейронные структуры, критерии и алгоритмы обучения, данные для обучения. ° Генератор исходного кода — 10. Поддерживается генератор исходного кода на языке С++ для компиляторов М)сгово(( Ч)виа) С++ и Вог! апд С++.
° Наличие макроязыка — 10. Встроенный макроязык облегчает настройку нейропакета. 184 2) Нейропакет йецга)ЧЧогИз Рго1еззгопа! П!Р1цз фирмы йецга!ЧЧаге 1пс. йецга!ЧЧог!гз Рго1еззюпа! является мощным средством для моделирования нейронных сетей. В нем реализованы 28 нейронных парадигм, а также большое количество алгоритмов обучения.
Дополнительный модуль 00й0 (0зег Оебпе йецга! Оупат~сз) позволяет создавать собственные нейронные структуры. Как и йецгоВо!цзопз, йецга!ЧЧогкз Рго1еззюпа! имеет хорошую систему визуализации данных структуры нейронной сети, изменения ошибки обучения, изменения весов и их корреляции в процессе обучения. Последнее является уникальным свойством пакета и полезна при анализе поведения сети. В йецга!Чуог!гз Рго)езз|опа! можно интегрировать внешние программные модули. Он имеет встроенный генератор кода, поддерживающий компилятор М!сгозой Ч!зца! С++.
Способ представления информации незначительно отличается от йецгоВо!ц1юпз Оценка нейропакета ° Простота использования — 9. Прост в использовании. Единственным недостатком является отсутствие возможности настройки интерфейса ° Простота формирования обучающей выборки — 9. Обучающая выборка формируется достаточно просто Поддерживается текстовый формат данных АВСП. Пакет позволяет подключать свои конверторы данных.
Балл снят за отсутствие встроенных конверторов популярных форматов данных. ° Наглядность представления информации — 9. Имеет мощные и хорошо продуманные средства визуализации данных и нейронных структур. Балл снят за несколько непривычный визуальный интерфейс. ° Реализация стандартных нейронных ларадигм и алгоритмов обучения — 10. В пакете йецга)ЧЧогкз Рго1езз!опа! реализованы практически все известные и описанные в литературе нейронные парадигмы и алгоритмы их обучения.
° Возможность создания собственных нейронных струкгпур — 8 (только с модулем 001ЧО) Модуль 00й0 позволяет формировать собственные нейРонные структуры в виде внешних программных модулей. Два балла сняты за то, что модуль 00й0 является внешней программой к пакету 185 ° Возможность использования собственных критериев обучения — 7 Введение собственных критериев обучения предусмотрена только с использованием модуля 00)ч0 Два балла сняты за та что модуль 00г)0 является внешней программой к пакету, и еще один — за сложность введения собственного критерия обучения ° Вазможность использования собственных алгорипгмав обучения — 7 Три балла сняты за то же, что и ранее ° Обмен информацией между нейропакетом и операционной системой — 8 За счет мощной системы визуализации большого обмена данными не требуется, поэтому имеющихся в нейропакете средств обмена вполне достаточно Два балла сняты эа отсутствие технологии Ога9-апд-Огор и О(.Е ° Открытость архитектуры — 10 )чецга)ууогкв Рго1еввюпа! представляет собой открытую систему, позволяющую подключать внешние программные модули Пакетом поддерживается компилятор М!агава(1 Ч!виа! С++ ° Генератор исходного кода — 10 Имеется генератор исходного кода на языке С++ (М!агава() Чвиа! С++) ° Наличие макроязыка — 0 (отсутствует) 3) Нейропакет Ргосевв Адчгвог фирмы А!Фаге !пс.
Ргосевв Адчгвог предназначен для решения задач управления динамическими процессами (в частности, технологическимг процессами) Однако он может считаться универсальным нейропа кетам В нем реализована только многослойная нейронная сетг прямого распространения, обучаемая с помощью модифицира ванного алгоритма обратного распространения ошибки В паке- введена возможность работы с входными сигналами как с функ циями времени, а не дискретным набором точек Такой возможно стью помимо Ргосевв Адч~вог обладает только )чецгобо)цвопв Крс ме того, нейропакет Ргосевв Адмвог позволяет осуществлятуправление внешними аппаратными контроллерами, подключаг мыми к компьютеру Именно эти две особенности делают нейропэ кет Ргосевв Адчгвог примечательным Оценка нейропакета ° Простота использования — 8 Достаточно прост в использовании Имеет Ехсе)-подобнь интерфейс как для задания структуры нейронной сети и даннь' 156 для обучения, так и для отображения графической информации Балл снят за отсутствие возможностей настройки интерфейса и еще один балл за использование Ехсе!-подобного интерфейса ° Простота формирования обучающей выборки — 7 Позволяет обрабатывать данные, представленные в текстовом виде Редактирование данных осуществляется подобно Ехсе!- таблице Однако нейропакет не позволяет подключать внешние конверторы данных Балл снят за отсутствие встроенных конверторов популярных форматов данных, и еще два — за невозможность подключения внешних конверторов ° Наглядность представления информации — 7 Наглядность такая же, как в Ехсе! Возможно построение двух- и трехмерных графиков В процессе обучения отображается только изменение ошибки работы нейронной сети Три балла сняты за использование псевдографического интерфейса, который проигрывает в сравнении с интерфейсами !чеигоВо!цвопз и МеигайЧогкв ° Реализация стандартных нейронных парадигм и алгоритмов обучения — 5 Реализована только многослойная нейронная сеть, обучаемая с помощью модифицированного алгоритма обратного распространения Нейропакет позволяет работать с динамическими функциями времени, поступающими в качестве входных сигналов Оценка обусловлена тем, что многослойная нейронная сеть представляет собой половину всех используемых нейронных парадигм ° Возможность создания собственных нейронных структур — 5 Позволяет изменять только число слоев и количество нейронов в слоях ° Возможность использования собственных критериев обуч ения — О (отсутствует) Позволяет использовать только критерий средней квадратичной ошибки без возможности его изменения ° Возможность использования собственных алгоритмов обучения — 3 При обучении возможно только менять параметры алгоритма обратного распространения ошибки ° Обмен информацией между нейропакетом и информационной системой — 5 Обмен реализуется только через буфер обмена или внешние файлы, представленные в текстовом виде ° Открытость архитектуры — 3 157 Позволяет осуществлять управление внешними контролле рами, подключаемыми к компьютеру Возможность подключения внешних программных модулей отсутствует.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
