Nuclass7 7.06
Podrás descargarlo en 5 segundos.
acerca de Nuclass7
Freeware para entrenamiento rápido, validación y aplicación de redes de tipo de clasificación. El algoritmo de poda rápida crea una secuencia anidada de redes de diferentes tamaños. Incluye el perceptrón multicapa (MLP), la red de enlace funcional, la red lineal por piezas, el clasificador de vecino más cercano (NNC), el mapa de autoorganización (SOM) y la agrupación en clústeres K-Means. Se proporciona código fuente de C para aplicar redes entrenadas, por lo que los usuarios pueden usar redes en sus propias aplicaciones. Los archivos de datos de entrenamiento de formato txt suministrados por el usuario, que contienen filas de números, pueden ser de cualquier tamaño. También se proporcionan datos de formación de ejemplo. Se incluyen gráficos VB rápidos para el error de clasificación de red y la formación de clústeres SOM. Extensos archivos de ayuda se proporcionan en el software. Nuclass7 es altamente automatizado y requiere muy pocas opciones de parámetros por parte del usuario. Las características avanzadas incluyen un algoritmo de entrenamiento MLP rápido (más rápido y mejor que BP y LM), selección de características de entrada, poda (eliminación) de unidades inútiles (para MLP) y módulos para PLN). Se trazan los errores de entrenamiento y validación frente al tamaño de la red. Se proporcionan utilidades para contar patrones, eliminar columnas, combinar archivos, dividir archivos, calcular la media de columna y la desviación estándar, y trazar histogramas de columnas. Los datos de entrenamiento se pueden comprimir mediante la transformación discreta de Karhunen-Loeve (KLT). Esta versión gratuita de Nuclass7 limita el MLP a 10 unidades ocultas, el PLN a 10 clústeres y el NNC a 50 clústeres. Actualizable a la versión comercial, que carece de estas limitaciones. La versión de regresión/aproximación de este software, llamada Numap7, también está disponible. Nuclass7 fue desarrollado por el Laboratorio de Procesamiento de Imágenes y Redes Neuronales de Univ. de Texas en Arlington, y por Neural Decision Lab LLC.