Training a neural network, along wi

Training a neural network, along with testing and prediction, requires
that you specify a data set that contains the data to be used during
training. NeuralTools will either save your trained network directly
in your workbook or optionally, to a file on disk.
If all your data is in a single data set (including both known historical
data and new data where you do not know output values),
NeuralTools allows you to train and test a network, then predict
output values, all in a single step. You select to withhold a certain
percentage of the historical data for testing (20% is shown on the prior
page) and then select to automatically predict output values for cases
with missing dependent values. By doing this you quickly can get the
answers you need in one operation.
NeuralTools supports different neural network configurations to give
the best possible predictions. For classification/category prediction
(where the dependent variable is a category type), two types of
networks are available: Probabilistic Neural Networks (PNN) and
Multi-Layer Feedforward Networks (MLF). Numeric prediction can
be performed using MLF networks, as well as Generalized
Regression Neural Networks (GRNN), which are closely related to
PNN networks.

ผลลัพธ์ (ไทย) 1:

เครือข่ายประสาท การทดสอบและการทำนาย การฝึกอบรมต้องคุณระบุชุดข้อมูลที่ประกอบด้วยข้อมูลที่จะใช้ในระหว่างฝึกอบรม NeuralTools จะใดบันทึกเครือข่ายฝึกอบรมโดยตรงในสมุดงานของคุณ หรือเลือก ไปยังแฟ้มบนดิสก์ถ้าข้อมูลของคุณอยู่ในชุดข้อมูลเดียว (รวมทั้งประวัติศาสตร์ที่รู้จักกันข้อมูลและข้อมูลใหม่ที่คุณไม่ทราบค่าการแสดงผล),NeuralTools ช่วยให้คุณสามารถฝึก และทดสอบเครือข่าย แล้วทำนายว่าแสดงผลค่า ในขั้นตอนเดียว คุณเลือกที่จะหักณที่จ่ายบางเปอร์เซ็นต์ของข้อมูลทางประวัติศาสตร์สำหรับการทดสอบ (20% จะแสดงขึ้นบนก่อนหน้า) แล้ว เลือกเพื่อทำนายค่าแสดงผลสำหรับกรณีและปัญหาโดยอัตโนมัติกับค่าอ้างอิงที่ขาดหายไป ทำได้อย่างรวดเร็วได้คำตอบที่คุณต้องการในการดำเนินงานหนึ่งNeuralTools สนับสนุนการกำหนดค่าเครือข่ายประสาทต่าง ๆ ให้คาดคะเนได้ดีที่สุด การทำนายประเภท/หมวดหมู่(ขึ้นอยู่กับตัวแปรเป็นชนิดประเภท), สองชนิดเครือข่าย: Probabilistic ประสาทเครือข่าย (PNN) และเครือข่ายหลายชั้น Feedforward (MLF) สามารถทำนายตัวเลขสามารถทำได้โดยใช้เครือข่าย MLF รวมทั้งตั้งค่าทั่วไปถดถอยประสาทเครือข่าย (GRNN), ซึ่งมีความสัมพันธ์กับเครือข่าย PNN

ผลลัพธ์ (ไทย) 2:

การฝึกอบรมเครือข่ายประสาทพร้อมกับการทดสอบและการทำนายต้อง
ที่คุณระบุข้อมูลชุดที่มีข้อมูลที่จะใช้ในระหว่าง
การฝึกอบรม NeuralTools จะประหยัดทั้งเครือข่ายการฝึกอบรมของคุณโดยตรง
ในสมุดงานของคุณหรือเลือกที่จะเป็นไฟล์บนดิสก์.
ถ้าข้อมูลทั้งหมดของคุณอยู่ในชุดข้อมูลเดียว (รวมทั้งที่รู้จักกันในประวัติศาสตร์
ข้อมูลและข้อมูลใหม่ที่คุณไม่ทราบว่าค่าเอาท์พุท)
ช่วยให้ NeuralTools คุณในการฝึกอบรมและการทดสอบเครือข่ายแล้วคาดการณ์
ค่าการส่งออกทั้งหมดในขั้นตอนเดียว คุณเลือกที่จะระงับการจ่ายบาง
ร้อยละของข้อมูลทางประวัติศาสตร์สำหรับการทดสอบ (20% แสดงให้เห็นก่อน
หน้า) และจากนั้นเลือกที่จะทำนายโดยอัตโนมัติค่าการส่งออกสำหรับกรณี
ที่มีค่าที่ขาดหายไปขึ้นอยู่กับ โดยทำเช่นนี้คุณได้อย่างรวดเร็วจะได้รับ
คำตอบที่คุณต้องการในการดำเนินการหนึ่ง.
NeuralTools สนับสนุนการกำหนดค่าเครือข่ายประสาทที่แตกต่างกันเพื่อให้
การคาดการณ์ที่ดีที่สุด สำหรับการจัดหมวดหมู่ / ทำนายหมวดหมู่
(ที่เป็นตัวแปรตามประเภทหมวดหมู่) สองประเภทของ
เครือข่ายที่มีอยู่: น่าจะเป็นโครงข่ายประสาท (PNN) และ
เครือข่าย Feedforward Multi-Layer (MLF) การคาดการณ์ตัวเลขสามารถ
ทำได้โดยใช้เครือข่าย MLF เช่นเดียวกับทั่วไป
โครงข่ายประสาทถดถอย (GRNN) ซึ่งมีความเกี่ยวข้องกับ
เครือข่าย PNN

ผลลัพธ์ (ไทย) 3:

การฝึกอบรมเครือข่ายประสาทพร้อมกับการทดสอบและทำนายต้อง
ที่คุณระบุชุดข้อมูลที่ประกอบด้วยข้อมูลที่ต้องใช้ในระหว่าง
การฝึกอบรม neuraltools จะช่วยเครือข่ายการฝึกอบรมของคุณโดยตรง
ในสมุดงานของคุณหรือเลือกในแฟ้มบนดิสก์ .
ถ้าข้อมูลทั้งหมดของคุณในหนึ่งชุดข้อมูล ( ทั้งรู้จักประวัติศาสตร์
ข้อมูลและข้อมูลใหม่ที่คุณไม่ทราบออกค่า )
neuraltools ช่วยให้คุณฝึกและทดสอบเครือข่าย แล้วทำนาย
ผลผลิตคุณค่า ในขั้นตอนเดียว คุณเลือกที่จะเก็บงำเปอร์เซ็นต์
ของข้อมูลทางประวัติศาสตร์สำหรับการทดสอบ ( 20% ที่แสดงบนก่อน
หน้า ) แล้วเลือกให้โดยอัตโนมัติทำนายค่าออกสำหรับกรณี
ที่มีค่าสูญหายขึ้นอยู่กับ โดยทำเช่นนี้คุณได้อย่างรวดเร็วสามารถหาคำตอบที่คุณต้องการในหนึ่ง

งาน .neuraltools สนับสนุนการกำหนดค่าเครือข่ายประสาทที่แตกต่างกันเพื่อให้
ทำนายที่ดีที่สุด ประเภท / หมวดทำนาย
( ซึ่งตัวแปรประเภทประเภท ) , สองประเภทของเครือข่ายที่ใช้ได้ : โครงข่ายประสาทเทียม

ความน่าจะเป็น ( pnn ) และเครือข่ายไปข้างหน้ามัลติเลเยอร์ ( mlf ) ทำนายตัวเลขสามารถ
จะดำเนินการโดยใช้เครือข่าย mlf เช่นเดียวกับทั่วไป
สมการถดถอยแบบจำลองโครงข่ายประสาท ( grnn ) ซึ่งมีความเกี่ยวข้องกับ pnn

)