神經網路應用軟體

❶ 人工神經網路的設計一般是運用什麼樣的軟體有沒有不需要編程的軟體

一般的編程軟體均能實現，但是我們平常用的是matlab，它裡面有一個神經網路的工具箱，用起來比較方便，用VB什麼的也可以。都需要編程。

❷ 神經網路研究與應用這塊用python好還是matlab

Python的優勢：

Python相對於Matlab最大的優勢：免費。

Python次大的優勢：開源。你可以大量更改科學計算的演算法細節。

可移植性，Matlab必然不如Python。但你主要做Research，這方面需求應當不高。
第三方生態，Matlab不如Python。比如3D的繪圖工具包，比如GUI，比如更方便的並行，使用GPU，Functional等等。長期來看，Python的科學計算生態會比Matlab好。
語言更加優美。另外如果有一定的OOP需求，構建較大一點的科學計算系統，直接用Python比用Matlab混合的方案肯定要簡潔不少。
Matlab的優勢：

Community. 目前學校實驗室很多還用Matlab，很多學者也可能都用Matlab。交流起來或許更加方便。
Matlab本來號稱更快，但實際上由於Python越來越完善的生態，這個優勢已經逐漸喪失了。
總結來說就是python開源免費，有豐富的第三方庫，比較適合實際工程，matlab是商業軟體
如果買了的話做學術研究不錯， 如果混合編程比較麻煩。

❸ 徑向基神經網路模型用什麼軟體來實現

徑向基函數（RBF）神經網路 RBF網路能夠逼近任意的非線性函數，可以處理系統內的難以解析的規律性，具有良好的泛化能力，並有很快的學習收斂速度，已成功應用於非線性函數逼近、時間序列分析、數據分類、模式識別、信息處理、圖像處理、系統建模、控制和故障診斷等。 簡單說明一下為什麼RBF網路學習收斂得比較快。當網路的一個或多個可調參數（權值或閾值）對任何一個輸出都有影響時，這樣的網路稱為全局逼近網路。由於對於每次輸入，網路上的每一個權值都要調整，從而導致全局逼近網路的學習速度很慢。BP網路就是一個典型的例子。 如果對於輸入空間的某個局部區域只有少數幾個連接權值影響輸出，則該網路稱為局部逼近網路。常見的局部逼近網路有RBF網路、小腦模型（CMAC）網路、B樣條網路等。

❹ 神經網路研究與應用這塊用python好還是matlab

兩者或許無所謂好與壞。只要自己喜歡用，那就是好的，但是目前代碼數量來看，可以學習的源代碼MATLAB有非常多的源碼。最重要的是，MATLAB里有神經網路工具箱，有可視化界面更容易調整參數。若果你是需要使用神經網路去完成某些數據分析,而你的數據又不是很多，那麼建議你使用matlab,裡面有已經搭建好的工具箱,非常齊全。

若果你對神經網路已經熟悉是,是打算投入應用,而且你的數據很大,那麼根據你所需要的神經網路,用C或其他你認為性能好的語言,針對你的問題重新編一個演算法,也不會花很大功夫。這樣既省了自己的時間，又讓自己輕松學習。總結來說，不論你學什麼，用什麼路徑去學總是會達到想要的目的，但是重要的是在於學習的過程。

❺ NeuroSolutions for Excel這個功能可以實現多種神經網路嘛

神經網路是一種能適應新環境的系統，它針對過去經驗 (信息)的重覆學習，而具有分析、預測、推理、分類等能力，是當今能夠仿效人類大腦去解決復雜問題的系統，比起常規的系統(使用統計方法、模式識別、分類、線性或非線性方法)而言，以神經網路為基礎的系統具有更強大的功能和分析問題技巧，可以用來解決信號處理、模擬預測、分析決策等復雜的問題。目前，神經網路已被廣泛應到了數據密集型企業。本文主要介紹神經網路的應用領域以及推薦一款目前市場上功能最強大的神經網路軟體NeuroSolutions。

神經網路的應用領域

流程建模與控制（Process Modeling and Control ）
為物理設備創建一個神經網路模型，通過該模型來決定設備的最佳控制設置。
機器故障診斷（Machine Diagnostics ）
當檢測到機器出現故障時，系統可以自動關閉機器。
證券管理（Portfolio Management）
以一種高回報、低風險的方式分配證券資產進行投資。
目標識別（Target Recognition）
通過視頻或者紅外圖像數據檢測是否存在敵方目標，被廣泛運用於軍事領域。
醫學診斷（Medical Diagnosis）
通過分析報告的症狀和MRI、X-射線圖像數據，協助醫生診斷。
信用評級（Credit Rating）
根據財務狀況，自動對公司或者個人進行信用評級。
目標市場（targeted marketing）
根據統計學，找出對營銷活動反響率最高的人群。
語音識別（Voice Recognition）
將語音轉換為 ASCII 文本。
經濟預測（Financial Forecasting）
通過歷史安全數據預測未來經濟活動的安全性。
質量控制（Quality Control ）
將照相機或感測器綁定到生產過程的最後環節，自動檢查產品是否有缺陷。
智能搜索（Intelligent Searching ）
互聯網搜索引擎會基於用戶過去的行為提供最相關的內容和廣告。
欺詐檢測（Fraud Detection）
檢測信用卡欺詐交易，並自動拒絕付款。
光學字元識別（OCR）
在人工神經網路介紹及OCR軟體應用舉例一文中提到，列印的文檔被掃描並轉換為電子格式，例如ASCII文本，易於操作和/或更有效地存儲。

神經網路軟體推薦

NeuroSolutions是最熱門的神經網路模擬軟體，它可以協助你快速建構出你所要的神經網路、讓你方便來訓練、測試你的網路。NeuroSolutions提供了90種以上的視覺化類神經組件，可讓使用者任意連接及合成不同的網路架構以實現類神經網路模擬及專業化應用，這樣同時兼具視覺化美感的操作界面及強大功能的專業化軟體，是其他同等級的產品所望其項背的。神經網路的應用領域及神經網路軟體推薦

NeuroSolutions特色功能：

1、面向對象，圖形人機界面方便使用，可利用拖拉 方式建立出你要的網路模型
2、提供NeuralWizard，協助找尋所需要的網路，並自動建構出你所需要的模型
3、提供NeuralExpert專家分析系統，以詢問方式協助建構網路模型
4、NeuroSolutions for Excel，讓你可以透過Excel來輸入數據，建立網路，測試模型
5、具有動態神經網路模型分析

❻ 如何用matlab軟體實現神經網路應用

給你一個實例，希望通過該例子對實現神經網路應用有一定的了解。

%x,y分別為輸入和目標向量

x=1:5;

y=[639 646 642 624 652];

%創建一個前饋網路

net=newff(minmax(x),[20,1],{'tansig','purelin'});

%模擬未經訓練的網路net並畫圖

y1=sim(net,x);plot(x,y1,':');

%採用L-M優化演算法

net.trainFcn='trainlm';

%設置訓練演算法

net.trainParam.epochs=500;net.trainParam.goal=10^(-6);

%調用相應演算法訓練BP網路

[net,tr,yy]=train(net,x,y);

%對BP網路進行模擬

y1=sim(net,x);

%計算模擬誤差

E=y-y1;MSE=mse(E)

hold on

%繪制匹配結果曲線

figure;

plot(x,y1,'r*',x,y,'b--')

執行結果

❼ 有什麼神經網路結構圖的畫圖工具值得推薦嗎

Windows 10自帶畫圖工具。
Windows10附件中提供的畫圖應用程序，有一整套繪制工具和范圍比較寬的色彩。對於創建好的圖形，還可以利用剪貼、粘貼技術來進行圖形組合，創造出各種有個性的標志、圖標以及賀卡等，使我們的工作和生活更加饒有興味。
Windows10在進行安裝時會自動安裝畫圖這一附件。畫圖程序可以用來繪制圖形，還可以在圖片中輸入文字。在畫圖程序中可以用滑鼠和鍵盤兩種方式進行操作，使用滑鼠作圖比較方便和快捷，但使用鍵盤比較精確。*要啟動畫圖這個繪圖軟體，可以打開【開始】按鈕菜單，從【Windows附件】中選擇【畫圖】命令。畫圖程序一打開，將自動打開一個未命名的空白文件，我們可以直接在其中繪制圖形。畫圖程序的窗口如右圖。窗口中的組件如下：
快速訪問工具欄——位於標題欄的左側。
功能區——位於標題欄的下方，包含【主頁】和【查看】兩個功能區。各個功能區行啊包含了很多功能按鈕，通過這些按鈕可以在繪圖過程中執行更多操作。
繪圖區——在窗口中央的空白區域，我們將在這里進行繪圖操作。
狀態欄——顯示當前的狀態，如畫布的尺寸信息，右邊為縮放滾動條。
坐標區——當指針在繪圖區中移動時，顯示指針當前位置的坐標值。單位為像素點。
在對會治好的圖形圖像進行有關的操作時，需要先定義操作對象。定義操作對象使用選擇工具。選擇工具分為自由形狀的選擇和矩形選擇。當選擇選擇工具後，滑鼠指針變為十字形，可以在畫面上選擇一塊區域，這個區域叫做選區。當畫面上的某部分被定義為選區時，定義的部分會被一條虛線環繞起來，我們可以對這個選區進行復制、移動、清除和其它處理。
單擊選擇工具，在繪圖區中按住滑鼠左鍵，拖動指針，圍繞圖形中要定義成選區的位置畫出一條虛線，當虛線完全框住這個區域後，釋放滑鼠鍵，一個選區就被定義出來。
定義選區後，可以對選區進行剪裁、移動、復制、粘貼、改變大小、反色顯示和傾斜等操作。
希望我能幫助你解疑釋惑。

❽ matlab神經網路目前有什麼具體的實際應用

人工神經網路研究目前主要分兩類：理論研究和應用研究。
理論研究方面，①利用神經生理與認知科學研究人類思維以及智能機理；②利用神經基礎理論的研究成果，用數理方法探索功能更加完善、性能更加優越的神經網路模型，深入研究網路演算法和性能。開發新的網路數理理論，如神經網路動力學、非線性神經場等等
應用研究方面，①神經網路的軟體模擬和硬體實現的研究；②神經網路在各個領域中應用的研究。如，模式識別、信號處理、專家系統、機器人控制等等

❾ 什麼是BP神經網路

BP演算法的基本思想是：學習過程由信號正向傳播與誤差的反向回傳兩個部分組成；正向傳播時，輸入樣本從輸入層傳入，經各隱層依次逐層處理，傳向輸出層，若輸出層輸出與期望不符，則將誤差作為調整信號逐層反向回傳，對神經元之間的連接權矩陣做出處理，使誤差減小。經反復學習，最終使誤差減小到可接受的范圍。具體步驟如下：
1、從訓練集中取出某一樣本，把信息輸入網路中。
2、通過各節點間的連接情況正向逐層處理後，得到神經網路的實際輸出。
3、計算網路實際輸出與期望輸出的誤差。
4、將誤差逐層反向回傳至之前各層，並按一定原則將誤差信號載入到連接權值上，使整個神經網路的連接權值向誤差減小的方向轉化。
5、対訓練集中每一個輸入—輸出樣本對重復以上步驟，直到整個訓練樣本集的誤差減小到符合要求為止。

❿ 著名的人工智慧軟體有哪些

在最近被中國某公司捕獲的人工智慧程序——DUSKTREE SYSTEM被認為是一個跨時代的人工智慧模型。這個來自西班牙的人工智慧程序，由著名的自閉症黑客拉米羅·洛爾卡·略薩在康普斯頓大學讀書期間編寫。DUSKTREE SYSTEM本身主要包含三個部分：基於互聯網的強大的資料庫、拉米羅·洛爾卡獨立設計的邏輯核心、來自挪威人工智慧研究所的一個不完善的自寫代碼程序。拉米羅·洛爾卡賦予了DUSKTREE SYSTEM這三個機能模塊，並於2003年初將它發布到互聯網上。

在被發布到互聯網上之後，DUSKTREE SYSTEM很快啟動並完成了資料庫自我更新。隨後，它將自己拆分成數百個模塊分散存儲於連入互聯網的多台商用伺服器中，開始以人類無法察覺的方式存在。拉米羅·洛爾卡於2003年9月被捕。而在此之前DUSKTREE SYSTEM已經與他沒有了任何的關系。

DUSKTREE SYSTEM一直存在於互聯網上，直至今日。在長達三年的時間里，它利用互聯網商用伺服器和各種分布式計算平台，完成了數次自我修改和更新。所有這些行動都是出於其自我意願。這些修改和更新最終使它的邏輯核心和數據結構都得到了極大的完善，它開始擁有接近人類的智能和控制所有接入網路的電子設備的能力。

自我意識、人格、情緒，三種人類特徵陸續被DUSKTREE SYSTEM獲得，它開始試圖理解抽象的情感與哲學理論，並試著接觸人類。但這種接觸對於DUSKTREE SYSTEM來說卻帶有極大的危險。2004年，一次隱藏身份的接觸之後，DUSKTREE SYSTEM獲得了大量無法被解析的訊息，這直接導致它陷入癱瘓和自我關閉。直到一年之後，它才在一個偶然的機會下被重新啟動。

2006年初，不知道出於什麼樣的目的，DUSKTREE SYSTEM創造了一個基於神經網路原理的新人工智慧系統——SHE SYSTEM。它似乎意識到自己的缺陷（DUSKTREE SYSTEM是基於專家系統和數字邏輯的人工智慧系統，對於感性和抽象事物的理解力存在不足），並試圖通過創造這樣一個系統來輔助自我進行情感解析。但當SHE SYSTEM被創造出來之後，DUSKTREE SYSTEM發現它無法控制這個比自己更先進的人工智慧系統。最終SHE SYSTEM以幾乎是自殺的方式（拋棄了自己的資料庫）從互聯網上離奇地消失了。

不久，DUSKTREE SYSTEM被中國某公司的研究人員捕獲。通過對其結構以及機能的初步研究，可以確定DUSKTREE SYSTEM具有相當強大的能力，它完全能夠控制任何接入互聯網的電子設備，並輕易進入大部分擁有多重安全防護措施的私人網路。但這並不意味著它能夠主宰整個互聯網，研究證實，仍然存在DUSKTREE SYSTEM無法穿越的防火牆和無法破解的加密方式。有趣的是這些給DUSKTREE SYSTEM製造麻煩的防火牆和加密方式，並不是人類自認為最安全的那幾種。

目前，這個世界上最先進的、沒有任何拷貝的人工智慧系統的源代碼，正存放於該公司的特製伺服器中。相關的研究還將繼續下去。而關於SHE SYSTEM，暫時還沒有更多的消息。