NeuroSlutions神经网络软件.pptVIP

NeuroSolutions類神經網路模擬介紹 決策分析研究室 何謂類神經網路 類神經網路的靈感源自於腦神經學，其基本概念是希望透過模擬人腦結構的方式來建立新一代的電腦處理模式。(中山大學 機電系 嚴成文教授) 運用電腦（軟、硬體）來模擬生物大腦神經的人工智慧系統，並將此應用於辨識、決策、控制、預測，? ? ? 等等。(真理大學工管系 邱寬旭教授) 類神經網路（ Neural Network，NN）類似人類神經結構，是「一種基於腦與神經系統研究，所啟發的資訊處理技術」。具有人腦功能基本特性：學習、記憶和歸納。(輔仁大學統計資訊學系 謝邦昌教授) 何謂類神經網路 類神經網路並不需要瞭解系統的數學模型，直接以神經網路取代系統的模型，一樣可以得到輸入與輸出之間的關係。 類神經網路和迴歸分析不同，沒有任何假設的機率分佈，是模式識別和誤差最小化的過程，在每一次經驗中提取和學習資訊。 類神經網路可以處理連續型和類別型的資料，對資料進行預測。 Neural Network Model Brain Neuron (生物神經元) Artificial neuron (人工神經元) 人工神經網路為一系列的處理單元，處理單元透過神經樹之連結藉以調整連結強度(權重)來輸出。 人工類神經介紹 神經元狀態分成興奮及抑制二種，以1代表興奮，以0代表抑制 神經元與其他神經元間以神經節連結，可用加權值代表神經節之連結強度 神經元之狀態會透過神經節輸出至其他神經元，而成為其他神經元之狀態輸入 類神經網路的架構 類神經網路主要結構是由神經元（neuron）、層（layer）和網路（network）三個部份所組成。 整個類神經網路包含一系列基本的神經元，通過權重（weight）相互連接。 這些單元以層的方式組織，每一層的每個神經元和前一層、後一層的神經元連接。 類神經網路的架構 類神經網路的分為輸入層、輸出層和隱藏層，三層連結形成一個神經網路。 輸入層只從外部環境接收資訊，該層的每個神經元相當於自變數，不完成任何計算，只為下一層傳遞資訊。 輸出層生成最終結果，為網路送給外部系統的結果值。 類神經網路的架構 隱藏層介於輸入層和輸出層之間，這些層完全用於分析，其函數聯繫輸入層變數和輸出層變數，使其更配適(fit)資料。 目前尚沒有統一的標準方法可以計算神經網路的最佳層數。 一層加權神經元的網路稱單層感知器，多層加權神經元的網路稱多層感知器（multi-layer perceptrons）。 MP(MultiLayer Perceptron)模型公式： Yj = f(net j) Yj處理單元函數 net j = ΣWij Xi – θj Wij = 連結強度 Xi = 神經元i所傳來之訊號 θj = 神經元j之閥值 f = 轉換函數，通常為階梯函數(Step function) f(x) = △Wij = ηXi Xj η：學習速率，控制權重修正幅度 BPN原理簡單介紹 提供範例資料給神經網路 神經網路運算後產生輸出資料 神經網路運算後產生輸出資料並比較滿意值 修正網路中之權重以降低誤差 Neural Networks的要求 神經網路學習是透過範例來讓網路收斂，因此輸入資料必須為： -擁有足夠範例資料來讓神經網路作適當之歸納。 -適度的訓練 -資料中的關係變數無絕對之影響變數 -針對監督式學習需要有期望輸出值(目標值) 訓練，輸入值為其關鍵 信賴度 Neural networks are very powerful 對於神經網路之是基於訓練之資料上。 若資料不足則沒辦法修正權重作業。 透過充分資料之訓練的神經網路，是可信賴的。 類神經網路的應用-工業應用 控制器設計與系統鑑別 產品品質分析（例：汽水瓶裝蓋與填充監測、珍珠分級） 機電設備診斷（例：數值電路診斷、類比IC診斷、汽車引擎診斷） 化工程序診斷 （例：化工廠製程故障診斷） 實驗資料模型建立 （例：複合材料行為模型建立） 工程分析與設計（例：鋼樑結構、道路鋪面狀況評級） 類神經網路的應用-商業應用 股票投資（例：大盤基本分析、大盤技術分析、個股技術分析） 債券投資（例：債券分級、美國國庫券利率預測） 期貨、選擇權、外匯投資（例：期貨投資、選擇權投資、外匯投資） 商業信用評估（例：貸款信用審核、信用卡信用審核） 其他商業應用（例：直銷顧客篩選、不動產鑑價） 類神經網路的應用-管理應用 策略管理（例：市場需求量預測方法之選擇、雇工人數規畫） 時程管理（例：排程策略選擇、工作排程） 品質管理（例：管制圖判讀、半導體製造過程所需蝕刻時間估計） 類神經網路的應用-資訊應用 影像辨識系統（例：指紋識別、衛星遙測