2NSOFT PF神經(jīng)網(wǎng)絡通用平臺概述

2NSOFT PF是基于神經(jīng)網(wǎng)絡算法開發(fā)的通用平臺系統(tǒng)。LNPF神經(jīng)網(wǎng)絡通用平臺分為“非注冊版”、“個人版”和“企業(yè)版”。

2NSOFT PF是針對用戶進行預測需要，快速構(gòu)建神經(jīng)網(wǎng)絡應用的通用預測平臺，它能解決包括銷售量預測、銷售價格預測、成本預測、市場潛力預測、新產(chǎn)品價格預測等方面的。

下圖為隨系統(tǒng)附帶的一個演示例程（棉鈴蟲發(fā)生程度預測模型）：

平臺構(gòu)架

2NSOFT PF神經(jīng)網(wǎng)絡預測平臺由節(jié)點注冊、節(jié)點配置、樣本管理、應用建模、接口定義和等模塊組成。如下圖：

平臺特點

1、2NSOFT PF是一個獨立于業(yè)務應用系統(tǒng)之外的建模預測系統(tǒng)，它能夠充分利用企業(yè)現(xiàn)有軟件系統(tǒng)資源，可以在原有系統(tǒng)基礎上進行快速升級，以實現(xiàn)通過建立數(shù)學模型解決實際領域中的預測問題，升級無需無需對原有應用系統(tǒng)作任何改動，因為2NSOFT PF與現(xiàn)有業(yè)務系統(tǒng)之間是通過數(shù)據(jù)接口，在系統(tǒng)中注冊待預測的數(shù)據(jù)項，建立神經(jīng)網(wǎng)絡模型，并最終將模型和預測結(jié)果暴露給原有系統(tǒng)，以達到升級目的的。

2、為了實現(xiàn)與企業(yè)原有應用系統(tǒng)無隙集成，2NSOFT PF能與各種數(shù)據(jù)庫解決方案兼容，包括：SQL Server，DB2，Oracle，Sybase，Mysql，Access等，實現(xiàn)數(shù)據(jù)庫系統(tǒng)無關性。

3、2NSOFT PF為其它應用提供多種交互接口。如數(shù)據(jù)接口，控件接口（OCX）及命令行參數(shù)調(diào)用等。

4、2NSOFT PF具有集成性、開放性、擴展性、技術(shù)*性，能很好的解決商業(yè)智能持等功能的需要。

5、針對同一應用，可提供多種級別的預測模型和滾動模型，同時可以及時準確地調(diào)整模型。

6、提供*的網(wǎng)絡算法，2NSOFT PF采用BP算法中的Levenberg-Marquardt動量項法實現(xiàn)，該方法具有訓練速度快，學習時間短的特點。

7、靈活的建模型方法，2NSOFT PF提供網(wǎng)絡模型的新建、修改和保存功能。對于已經(jīng)建立的網(wǎng)絡模型，提供實時的檢測功能。

2NSOFT PF神經(jīng)網(wǎng)絡通用平臺應用示例

在這個示例中，根據(jù)實際應用需求出發(fā)，詳細介紹神經(jīng)網(wǎng)絡模型的創(chuàng)建、測試，與現(xiàn)有系統(tǒng)集成及現(xiàn)有系統(tǒng)的調(diào)用。

應用示例

1.工程實例

本例令影響棉鈴蟲發(fā)生程度的因素指標集序列由麥田1代幼蟲量、6月降水天數(shù)、5月積溫、6月積溫、5月相對濕度、5月降水天數(shù)和6月相對濕度等7個生態(tài)和生物因子構(gòu)成，2代發(fā)生程度按照全國植保站頒發(fā)的標準分級，并規(guī)定發(fā)生程度重、偏重、中、偏輕和輕分別賦值為0.9、0.7、0.5、0.3和0.1。在建立BP神經(jīng)網(wǎng)絡模型時，取1982~1991年的數(shù)據(jù)作為學習、訓練樣本，1992和1993年為試報樣本。數(shù)據(jù)見下圖：

根據(jù)上面特定的工程應用，在數(shù)據(jù)庫中，手動建立“棉鈴蟲發(fā)生程度”lnpf_demo1的事實表結(jié)構(gòu)(表名由用戶定義)，表中input1，input2，input3，input4，input5，input6，input7分別對應麥田1代幼蟲量、6月降水天數(shù)、5月積溫、6月積溫、5月相對濕度、5月降水天數(shù)、6月相對濕度，output對應發(fā)生程度，simu_value為通過2NSOFT PF平臺預測的值，tag為某記錄是否已完成預測的標記，0表示尚未預測，1表示已預測完成，見圖：

2.應用說明

下面針對上述特定的工程環(huán)境，詳細介紹如何應用2NSOFT PF神經(jīng)網(wǎng)絡平臺，實現(xiàn)對已知數(shù)據(jù)的預測。

1、模型建立 假如用戶已完成了上面實事表的建立，接下來就可以開始建立基于特定應用的神經(jīng)網(wǎng)絡模型。首先利用平臺的新建網(wǎng)絡模型功能，完成適合該應用的建模工作，內(nèi)容包括：1) 輸入網(wǎng)絡模型名稱；2) 輸入網(wǎng)絡模型描述；3) 選擇網(wǎng)絡輸入層節(jié)點數(shù)(此例為7)。如沒有把握，訓練參數(shù)、中間層、輸出層(一般為1)可不作修改，專家樣本表名、節(jié)點配置表名將由程序自動產(chǎn)生，樣本數(shù)據(jù)組數(shù)也由系統(tǒng)自動讀取。當然，也可以調(diào)用修改網(wǎng)絡模型功能，完成對已建模型的修改。新建或修改完成網(wǎng)絡模型后，請注意保存。一旦模型保存下來，相應的專家樣本表結(jié)構(gòu)和節(jié)點配置表結(jié)構(gòu)將會由系統(tǒng)自動生成。

2、維護專家樣本表 模型建立好后，接下來需要完成專家樣本表的數(shù)據(jù)加載。操作如下：從數(shù)據(jù)庫中打開專家樣本表(如果不知道是哪個表，可通過平臺系統(tǒng)打開剛建立的模型，查看專家樣本表名，新建模型時表中沒有記錄)，參考事實表，將數(shù)據(jù)導入。加載數(shù)據(jù)后的專家樣本表如下：

3、節(jié)點配置 節(jié)點配置的目的是注冊網(wǎng)絡節(jié)點（即該節(jié)點對應于源數(shù)據(jù)庫中的哪個表、哪個字段）和對節(jié)點進行歸一化處理，值和最小值為樣本大小值的上、下限，轉(zhuǎn)換函數(shù)為樣本進行歸一化的處理函數(shù)(一般選取線性函數(shù)即可)，對應表名為事實表名。下圖為節(jié)點注冊和歸一化實現(xiàn)的界面：

4、網(wǎng)絡訓練 節(jié)點配置工作完成后，點擊任務/網(wǎng)絡訓練，完成對網(wǎng)絡模型的訓練，訓練后，系統(tǒng)將自動把訓練結(jié)果以權(quán)閾值文件的方式保存下來。同時，用戶可點擊分析/訓練誤差，查看網(wǎng)絡訓練誤差情況。

5、網(wǎng)絡測試 對于訓練好的網(wǎng)絡模型，可以通過網(wǎng)絡測試的方式進行檢測，以確保所生成的網(wǎng)絡模型滿足實際工程應用要求。

6、數(shù)據(jù)預測 一旦神經(jīng)網(wǎng)絡模型經(jīng)過測試確定下來，就可以利用該模型對實際數(shù)據(jù)進行預測(用戶可選擇單個預測和批量預測)，并將結(jié)果保存到結(jié)果表中。

下圖為進行單條記錄預測和批量預測時的界面：

下圖為預測時的提示信息界面：

下圖為預測完成后的事實表

7、接口調(diào)用 系統(tǒng)提供多種接口供外部系統(tǒng)調(diào)用，如數(shù)據(jù)庫接口，API函數(shù)等。

營銷服務網(wǎng)點

了解埃恩軟件更多產(chǎn)品與服務>>>>