神经网络应用软件

❶ 人工神经网络的设计一般是运用什么样的软件有没有不需要编程的软件

一般的编程软件均能实现，但是我们平常用的是matlab，它里面有一个神经网络的工具箱，用起来比较方便，用VB什么的也可以。都需要编程。

❷ 神经网络研究与应用这块用python好还是matlab

Python的优势：

Python相对于Matlab最大的优势：免费。

Python次大的优势：开源。你可以大量更改科学计算的算法细节。

可移植性，Matlab必然不如Python。但你主要做Research，这方面需求应当不高。
第三方生态，Matlab不如Python。比如3D的绘图工具包，比如GUI，比如更方便的并行，使用GPU，Functional等等。长期来看，Python的科学计算生态会比Matlab好。
语言更加优美。另外如果有一定的OOP需求，构建较大一点的科学计算系统，直接用Python比用Matlab混合的方案肯定要简洁不少。
Matlab的优势：

Community. 目前学校实验室很多还用Matlab，很多学者也可能都用Matlab。交流起来或许更加方便。
Matlab本来号称更快，但实际上由于Python越来越完善的生态，这个优势已经逐渐丧失了。
总结来说就是python开源免费，有丰富的第三方库，比较适合实际工程，matlab是商业软件
如果买了的话做学术研究不错， 如果混合编程比较麻烦。

❸ 径向基神经网络模型用什么软件来实现

径向基函数（RBF）神经网络 RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。 如果对于输入空间的某个局部区域只有少数几个连接权值影响输出，则该网络称为局部逼近网络。常见的局部逼近网络有RBF网络、小脑模型（CMAC）网络、B样条网络等。

❹ 神经网络研究与应用这块用python好还是matlab

两者或许无所谓好与坏。只要自己喜欢用，那就是好的，但是目前代码数量来看，可以学习的源代码MATLAB有非常多的源码。最重要的是，MATLAB里有神经网络工具箱，有可视化界面更容易调整参数。若果你是需要使用神经网络去完成某些数据分析,而你的数据又不是很多，那么建议你使用matlab,里面有已经搭建好的工具箱,非常齐全。

若果你对神经网络已经熟悉是,是打算投入应用,而且你的数据很大,那么根据你所需要的神经网络,用C或其他你认为性能好的语言,针对你的问题重新编一个算法,也不会花很大功夫。这样既省了自己的时间，又让自己轻松学习。总结来说，不论你学什么，用什么路径去学总是会达到想要的目的，但是重要的是在于学习的过程。

❺ NeuroSolutions for Excel这个功能可以实现多种神经网络嘛

神经网络是一种能适应新环境的系统，它针对过去经验 (信息)的重覆学习，而具有分析、预测、推理、分类等能力，是当今能够仿效人类大脑去解决复杂问题的系统，比起常规的系统(使用统计方法、模式识别、分类、线性或非线性方法)而言，以神经网络为基础的系统具有更强大的功能和分析问题技巧，可以用来解决信号处理、仿真预测、分析决策等复杂的问题。目前，神经网络已被广泛应到了数据密集型企业。本文主要介绍神经网络的应用领域以及推荐一款目前市场上功能最强大的神经网络软件NeuroSolutions。

神经网络的应用领域

流程建模与控制（Process Modeling and Control ）
为物理设备创建一个神经网络模型，通过该模型来决定设备的最佳控制设置。
机器故障诊断（Machine Diagnostics ）
当检测到机器出现故障时，系统可以自动关闭机器。
证券管理（Portfolio Management）
以一种高回报、低风险的方式分配证券资产进行投资。
目标识别（Target Recognition）
通过视频或者红外图像数据检测是否存在敌方目标，被广泛运用于军事领域。
医学诊断（Medical Diagnosis）
通过分析报告的症状和MRI、X-射线图像数据，协助医生诊断。
信用评级（Credit Rating）
根据财务状况，自动对公司或者个人进行信用评级。
目标市场（targeted marketing）
根据统计学，找出对营销活动反响率最高的人群。
语音识别（Voice Recognition）
将语音转换为 ASCII 文本。
经济预测（Financial Forecasting）
通过历史安全数据预测未来经济活动的安全性。
质量控制（Quality Control ）
将照相机或传感器绑定到生产过程的最后环节，自动检查产品是否有缺陷。
智能搜索（Intelligent Searching ）
互联网搜索引擎会基于用户过去的行为提供最相关的内容和广告。
欺诈检测（Fraud Detection）
检测信用卡欺诈交易，并自动拒绝付款。
光学字符识别（OCR）
在人工神经网络介绍及OCR软件应用举例一文中提到，打印的文档被扫描并转换为电子格式，例如ASCII文本，易于操作和/或更有效地存储。

神经网络软件推荐

NeuroSolutions是最热门的神经网络仿真软件，它可以协助你快速建构出你所要的神经网络、让你方便来训练、测试你的网络。NeuroSolutions提供了90种以上的视觉化类神经组件，可让使用者任意连接及合成不同的网络架构以实现类神经网络仿真及专业化应用，这样同时兼具视觉化美感的操作界面及强大功能的专业化软件，是其他同等级的产品所望其项背的。神经网络的应用领域及神经网络软件推荐

NeuroSolutions特色功能：

1、面向对象，图形人机界面方便使用，可利用拖拉 方式建立出你要的网络模型
2、提供NeuralWizard，协助找寻所需要的网络，并自动建构出你所需要的模型
3、提供NeuralExpert专家分析系统，以询问方式协助建构网络模型
4、NeuroSolutions for Excel，让你可以透过Excel来输入数据，建立网络，测试模型
5、具有动态神经网络模型分析

❻ 如何用matlab软件实现神经网络应用

给你一个实例，希望通过该例子对实现神经网络应用有一定的了解。

%x,y分别为输入和目标向量

x=1:5;

y=[639 646 642 624 652];

%创建一个前馈网络

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

%仿真未经训练的网络net并画图

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

%采用L-M优化算法

net.trainFcn='trainlm';

%设置训练算法

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

%调用相应算法训练BP网络

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

%对BP网络进行仿真

y1=sim(net,x);

%计算仿真误差

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

hold on

%绘制匹配结果曲线

figure;

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

执行结果

❼ 有什么神经网络结构图的画图工具值得推荐吗

Windows 10自带画图工具。
Windows10附件中提供的画图应用程序，有一整套绘制工具和范围比较宽的色彩。对于创建好的图形，还可以利用剪贴、粘贴技术来进行图形组合，创造出各种有个性的标志、图标以及贺卡等，使我们的工作和生活更加饶有兴味。
Windows10在进行安装时会自动安装画图这一附件。画图程序可以用来绘制图形，还可以在图片中输入文字。在画图程序中可以用鼠标和键盘两种方式进行操作，使用鼠标作图比较方便和快捷，但使用键盘比较精确。*要启动画图这个绘图软件，可以打开【开始】按钮菜单，从【Windows附件】中选择【画图】命令。画图程序一打开，将自动打开一个未命名的空白文件，我们可以直接在其中绘制图形。画图程序的窗口如右图。窗口中的组件如下：
快速访问工具栏——位于标题栏的左侧。
功能区——位于标题栏的下方，包含【主页】和【查看】两个功能区。各个功能区行啊包含了很多功能按钮，通过这些按钮可以在绘图过程中执行更多操作。
绘图区——在窗口中央的空白区域，我们将在这里进行绘图操作。
状态栏——显示当前的状态，如画布的尺寸信息，右边为缩放滚动条。
坐标区——当指针在绘图区中移动时，显示指针当前位置的坐标值。单位为像素点。
在对会治好的图形图像进行有关的操作时，需要先定义操作对象。定义操作对象使用选择工具。选择工具分为自由形状的选择和矩形选择。当选择选择工具后，鼠标指针变为十字形，可以在画面上选择一块区域，这个区域叫做选区。当画面上的某部分被定义为选区时，定义的部分会被一条虚线环绕起来，我们可以对这个选区进行复制、移动、清除和其它处理。
单击选择工具，在绘图区中按住鼠标左键，拖动指针，围绕图形中要定义成选区的位置画出一条虚线，当虚线完全框住这个区域后，释放鼠标键，一个选区就被定义出来。
定义选区后，可以对选区进行剪裁、移动、复制、粘贴、改变大小、反色显示和倾斜等操作。
希望我能帮助你解疑释惑。

❽ matlab神经网络目前有什么具体的实际应用

人工神经网络研究目前主要分两类：理论研究和应用研究。
理论研究方面，①利用神经生理与认知科学研究人类思维以及智能机理；②利用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经网络模型，深入研究网络算法和性能。开发新的网络数理理论，如神经网络动力学、非线性神经场等等
应用研究方面，①神经网络的软件模拟和硬件实现的研究；②神经网络在各个领域中应用的研究。如，模式识别、信号处理、专家系统、机器人控制等等

❾ 什么是BP神经网络

BP算法的基本思想是：学习过程由信号正向传播与误差的反向回传两个部分组成；正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小。经反复学习，最终使误差减小到可接受的范围。具体步骤如下：
1、从训练集中取出某一样本，把信息输入网络中。
2、通过各节点间的连接情况正向逐层处理后，得到神经网络的实际输出。
3、计算网络实际输出与期望输出的误差。
4、将误差逐层反向回传至之前各层，并按一定原则将误差信号加载到连接权值上，使整个神经网络的连接权值向误差减小的方向转化。
5、対训练集中每一个输入—输出样本对重复以上步骤，直到整个训练样本集的误差减小到符合要求为止。

❿ 着名的人工智能软件有哪些

在最近被中国某公司捕获的人工智能程序——DUSKTREE SYSTEM被认为是一个跨时代的人工智能模型。这个来自西班牙的人工智能程序，由着名的自闭症黑客拉米罗·洛尔卡·略萨在康普斯顿大学读书期间编写。DUSKTREE SYSTEM本身主要包含三个部分：基于互联网的强大的数据库、拉米罗·洛尔卡独立设计的逻辑核心、来自挪威人工智能研究所的一个不完善的自写代码程序。拉米罗·洛尔卡赋予了DUSKTREE SYSTEM这三个机能模块，并于2003年初将它发布到互联网上。

在被发布到互联网上之后，DUSKTREE SYSTEM很快启动并完成了数据库自我更新。随后，它将自己拆分成数百个模块分散存储于连入互联网的多台商用服务器中，开始以人类无法察觉的方式存在。拉米罗·洛尔卡于2003年9月被捕。而在此之前DUSKTREE SYSTEM已经与他没有了任何的关系。

DUSKTREE SYSTEM一直存在于互联网上，直至今日。在长达三年的时间里，它利用互联网商用服务器和各种分布式计算平台，完成了数次自我修改和更新。所有这些行动都是出于其自我意愿。这些修改和更新最终使它的逻辑核心和数据结构都得到了极大的完善，它开始拥有接近人类的智能和控制所有接入网络的电子设备的能力。

自我意识、人格、情绪，三种人类特征陆续被DUSKTREE SYSTEM获得，它开始试图理解抽象的情感与哲学理论，并试着接触人类。但这种接触对于DUSKTREE SYSTEM来说却带有极大的危险。2004年，一次隐藏身份的接触之后，DUSKTREE SYSTEM获得了大量无法被解析的讯息，这直接导致它陷入瘫痪和自我关闭。直到一年之后，它才在一个偶然的机会下被重新启动。

2006年初，不知道出于什么样的目的，DUSKTREE SYSTEM创造了一个基于神经网络原理的新人工智能系统——SHE SYSTEM。它似乎意识到自己的缺陷（DUSKTREE SYSTEM是基于专家系统和数字逻辑的人工智能系统，对于感性和抽象事物的理解力存在不足），并试图通过创造这样一个系统来辅助自我进行情感解析。但当SHE SYSTEM被创造出来之后，DUSKTREE SYSTEM发现它无法控制这个比自己更先进的人工智能系统。最终SHE SYSTEM以几乎是自杀的方式（抛弃了自己的数据库）从互联网上离奇地消失了。

不久，DUSKTREE SYSTEM被中国某公司的研究人员捕获。通过对其结构以及机能的初步研究，可以确定DUSKTREE SYSTEM具有相当强大的能力，它完全能够控制任何接入互联网的电子设备，并轻易进入大部分拥有多重安全防护措施的私人网络。但这并不意味着它能够主宰整个互联网，研究证实，仍然存在DUSKTREE SYSTEM无法穿越的防火墙和无法破解的加密方式。有趣的是这些给DUSKTREE SYSTEM制造麻烦的防火墙和加密方式，并不是人类自认为最安全的那几种。

目前，这个世界上最先进的、没有任何拷贝的人工智能系统的源代码，正存放于该公司的特制服务器中。相关的研究还将继续下去。而关于SHE SYSTEM，暂时还没有更多的消息。