歡迎來到全傑科技

今日訪客: 0
線上訪客:

本軟體最新開課活動

目前沒有相關活動!!!
本軟體之前的活動!!
本軟體有產品說明會, 請洽本公司!!

下載專區 Download

活動資訊

  • 目前尚無任何訓練課程!!

聯絡我們

姓名:
Email:
聯絡電話:
單位:
部門:
附件:
您的留言:

提供專業軟體代購服務
如有未列於網站之產品需求
歡迎來電洽詢,感謝您!
電話:(02)2507-8298

NeuroShell Predictor 2
類神經網路預測應用軟體
Professional system to solve forecasting and estimation problems by learning historical data.
軟體代號:7141
瀏覽次數:5915
Windows2000WindowsXPWindowsVISTAWindows7
教育版
商業版
再啟動服務
遠端展示
在地教學
遠端安裝啟動服務
原廠技術服務
產品說明會
教育訓練
教學範例檔
永久授權
目前庫存
中文型錄
安裝序號
合法保證
電子英文手冊
ESD網路下載
影音教學檔
產品介紹!

您可以連結以下網址,來預覽所有YouTube的教學影片

https://www.youtube.com/channel/UCACYbZqUWeJSkixp_G_YHug/videos

Neuro Concept

最專業的類神經網路系統用於時間序列歷史資料求解預測,

常用於成本,價格,銷售量預測及經濟趨勢,

使用兩種方法

1.為類神經的TurboProp與General Regression Neural Nets (GRNN).

2.為結合遺傳演繹與統計方法.

使用上會依步一步的引導,先選好輸入的因子,再選輸出的預測值即可. 直接點選功能選項,完全不須要自己寫指令或程式. 步驟 1.準備資料 : 資料輸入格式: CSV 或 TXT檔 2.資料欄內有要有 輸入的獨立變數 和反應變數其中反應變數和已知的和要預測的變數 資料擺放範例(-)如下 x11 x12 y1 x21 x22 y2 ... ... xm1 xm2 ym x11 x12 <- 此處空白留為預測用此時訓練的同時,也會同時做預測的動作 資料擺放範例(二)如下 x11 x12 y1 x21 x22 y2 ... ... xm1 xm2 ym <- 此處留為預測用,須宣告 x11 x12 yn <- 此處留為預測用,須宣告此時訓練的同時,也會同時做預測的動作並比較實際與預測之結果

最大資料量為16000筆,最大隱藏層為150

我們NeuroShell Predictor的售後服務,煩請事先告知
- 費用:免費
- 遠端安裝服務,保證安裝成功
- 基本操作教育訓練15分鐘之上課卷,
  展示以下所列之建功能,地點於遠端桌面
  1.資料輸入
  2.輸入設定
  3.輸出設定
  4.類神經預測
- 本軟體有PowerPoint檔,範例檔10個,歡迎本公司客戶自行下載
- 電腦再啟動授權服務
- 一年原廠技術服務

1. The first training method, which we call the “neural method” is based on an algorithm called Turboprop2, a variant of the famous Cascade Correlation algorithm invented at Carnegie Mellon University by Scott Fahlman. TurboProp2 dynamically grows hidden neurons and trains very fast.  TurboProp2 models are built (trained) in a matter of seconds compared to hours for older neural networks types.   

2. The second method, the “genetic training method”, is a genetic algorithm variation of the General regression neural network (GRNN) invented by Donald Specht. It trains everything in an out-of-sample mode; it is essentially doing a "one-hold-out" technique, also called "jackknife" or "cross validation".  If you train using this method, you are essentially looking at the training set out-of-sample.  This method is therefore extremely effective when you do not have many patterns on which to train. The genetic training method takes longer to train as more patterns are added to the training set.