NeuroPro

нейронные сети
и анализ данных

Программы для создания и обучения нейронных сетей, анализа и обработки данных

При анализе данных и моделировании мною используются программы собственной разработки. Основными преимуществами по сравнению с современными индустриальными нейросетевыми и статистическими программами являются следующие:

• Мощные средства анализа и эффективной визуализации данных, средства управления данными и выбора анализируемых поднаборов (фрагментов) данных.
• Возможность ручного редактирования значений отдельных параметров нейронной сети, свойств параметров (задание диапазона изменения значений, предпочтений к чувствительности выхода нейросети к варьированию параметра и т.д.) и иные способы включения экспертных знаний в нейросеть.
• Возможность отображения динамики различных показателей, наблюдаемых в процессе обучения нейронной сети или при смене поколений генетического алгоритма оптимизации.
• Возможность изучения разнообразных статических свойств построенной нейронной сети.
• Возможность изучения свойств выдаваемого нейросетью решения для определения адекватности или неадекватности нейронной сети. Заметим, что это одно из наиболее важных преимуществ, поскольку ни одна из стандартных нейросетевых программ до сих пор не предоставляет даже возможности исследования факта скоррелированности ошибки прогноза нейросети с ее входными (независимыми) переменными: значимая корреляция является наиболее простой характеристикой неадекватности обученной нейронной сети.
• Сопоставление различных моделей между собой на основе их ранжирования по тем или иным свойствам.

• Поддержка итеративного процесса над цепочкой этапов "анализ данных → выбор конфигурации модели → адаптация модели → изучение динамики показателей в ходе адаптации модели → изучение статических свойств решения → изучение результатов влияния различных настроек алгоритмов на свойства получаемых при этом моделей", когда возникающие на каждом этапе показатели обрабатываются с привлечением одних и тех же стандартных средств статистического анализа и визуализации данных. Полученные на каждом этапе характеристики и результаты объясняются исходя из результатов предыдущих этапов.
• Большое число реализованных базовых и специализированных алгоритмов. Большое число настроек, гибкость настроек алгоритмов.
• Использование наибоее эффективных в вычислительном плане алгоритмов и также качественное их программирование дают максимальную скорость работы программ, что позволяет обрабатывать огромнейшие объемы данных в наиболее сложных современных задачах.
• И еще множество других возможностей.