Wolfram Mathematica Neural Networks Design und Analyse von neuronalen Netzwerken Mit dem Mathematica-Zusatzpaket Neural Networks wird der Anwender in die Lage versetzt, neuronale Netzwerke aufzubauen, zu visualisieren, diese Modelle zu trainieren und durchzutesten. Das Zusatzpaket unterstützt eine große Bandbreite von neuronalen Netzwerkstrukturen, einschließlich der radialen Basisfunktion, Feedforward, dynamische, Hopfield, Perceptron, Vektor-Quantisierung, nicht überwachte und Kohone Netzwerke. Es beinhaltet zudem state-of-the-art Trainingsalgorithmen, wie Levenberg-Marquardt, Gauss-Newton und das Verfahren der "steilsten Abnahme". Die Trainingsalgorithmen selbst lassen sich modifizieren und sind damit ebenfalls lernfähig. Neural Networks ist mit speziellen Funktionen ausgestattet, um typische Probleme in der Datenanalyse anzusprechen, wie Approximationsfunktionen, Klassifizierung und Erkennung, Cluster, nicht-lineare Zeitreihen und Probleme nicht-linearer Systemidentifikation. Der Einsatz von Neural Networks ist für fortgeschrittene und für weniger erfahrene Anwender geeignet. Die enthaltenen Paletten erleichtern die Eingabe der Parameter für die Analyse, Auswertung und das Training der Daten. Das online verfügbare Handbuch enthält zahlreiche detaillierte Anwendungsbeispiele, welche die unterschiedlichen Modelle neuronaler Netzwerke veranschaulichen. Zahlreiche Probleme können durch die Übertragung der Befehle aus diesen Beispielen auf die eigenen Daten gelöst werden. Neural Networks stellt darüber hinaus zahlreiche Optionen zum Modifizieren der Trainingsalgorithmen zur Verfügung. Die bereits eingesetzten Standardwerte erzeugen bei zahlreichen verschiedenen Problemen gute Ergebnisse, so dass der Anwender mit wenigen Befehlen einen schnellen Einstieg findet. Mit wachsender Erfahrung wird ein Anwender diese Algorithmen anpassen, um die Leistungs, Geschwindigkeit und Genauigkeit der neuronalen Netzwerkmodelle zu verbessern. Neural Networks und Mathematica bilden eine robuste Umgebung zur Modellierung, in der neuronale Netzwerke schneller und einfacher als jemals zuvor getestet und erforscht werden können. Weitere Informationen zu Einsatzbereichen und Features erhalten Sie auf den Webseiten von Wolfram Research Hinweis: Das Wolfram Application Pack Neural Networks ist ab Version 11 in Mathematica enthalten. Features Zusammenspiel mit Mathematica Systemvoraussetzungen Dokumentation Anwendungsbeispiele Preisinformation Features Einfach zu erlernen und einzusetzen Nur wenige konstruierte Funktionen so dass nur ein Minimum der Information vom Anwender spezifiert werden muss. Gut organisierte Paletten mit Befehls-Templates, Optionen, Links zur online verfügbaren Dokumentation. Intelligente Initialisierungsalgorithmen, das Training beginnt so mit guter Leistung und Geschwindigkeit. Umfangreiche Dokumentation einschließlich einer Einführung in die Theorie zu neuronalen Netzwerken sowie sehr anschauliche Anwendungsbeispiele. Unterstützung für bewiesene Paradigmen neuronaler Netzwerke Unterstützung für die meisten der allgemein verwendeten Netzwerkstrukturen, einschließlich radialer Basisfunktion, Feedforward, dynamischer, Hopfield, Perceptron, Vektor Quantisierung, nicht überwachte und Kohonen-Netzwerke. Unterstützung für erweiterte Trainingsalgorithmen, einschließlich Levenberg-Marquardt, Gauss-Newton und steilste Abnahme und sowohl für herkömmliche Algorithmen einschließlich Rückverteilung mit und ohne Bewegungsenergie. Unterstützung für typisch neuronale Netzwerkanwendungen einschließlich Funktionsapproximierung, Klassifikation, Modellierung dynamischer Systeme, Zeitreihen, selbst-assoziativem Speicher, Cluster und selbst-verwalteten Karten. Leistungsfähige Modellierungsumgebung Visualisierungswerkzeuge für das Betrachten von Netzwerkmodellen, des Anpassungsprozesses und der Netzwerkperformance. Spezielles Netzwerkobjekt, um den Netzwerktyp zu identifizieren und dessen Parameter und Eigenschaften aufzulisten. Spezielle Aufzeichnung des Trainings, um Zwischenzustände des Lernprozesses zu behalten. Funktionen mit zahlreichen fortgeschrittenen Optionen, um die Trainingsalgorithmen zu modizieren und zu steuern. Unterstützung für neuronale Netzwerke mit einer beliebigen Anzahl versteckter Layer und einer beliebigen Anzahl von Neuronen (versteckter Neuronen) in jedem Layer. Zugang zu allen Mathematica-Funktionen, um neue Algorithmen zu entwickeln oder um weitere Manipulationen an neuronalen Netzwerkstrukturen auszuführen. Schnell und Zuverlässig Optimierung von Ausdrücken vor einer numerischen Auswertung, um die Anzahl der Operationen zu minimieren und die Rechenlast zu reduzieren. Kompiler-Befehl mit dem kompilierter Code direkt an Mathematicaübergeben werden kann, um die Rechengeschwindigkeit zu erhöhen. Spezielle Funktionen zur Leistungsauswertung sind enthalten, um die Qualität einer Abbildung zu validieren und illustrieren. Zusammenspiel mit Mathematica Das Zusatzpaket integriert sich vollständig in Mathematica. Mathematica ist ein Softwaresystem zur Lösung von Problemstellungen, in denen Berechnungen (Numerik, Symbolik), 2D- und 3D-Visualisierungen, Modellgenerierungen und Simulationen notwendig sind. Mathematica ist ein modulares mathematisches Werkzeugsystem mit einer nahezu unendlichen Vielfalt von Funktionen und Algorithmen. Es präsentiert sich dem Anwender in einer plattformunabhängigen Benutzeroberfläche - dem Notebookinterface - mit integrierter Textverarbeitung, 4GL-Programmiersprache, offener Programmarchitektur und dynamischen, frei definierbaren Symbolpaletten. Für den erfahrenen Mathematica Anwender wird damit das Nutzen der Funktionen nahezu zum Kinderspiel, denn jede Funktion verhält sich wie alle anderen Mathematica-Funktionen. Für den Neuling gibt es ein interaktives Tutorial zur schnellen Einarbeitung in Mathematica selbst und dann jeweilige Tutorials zur Einarbeitung in das Zusatzpaket. Viele der Funktionen des Zusatzpaketes sind in Mathematica selbst programmiert und einige liegen im Mathematica Programmiercode vor, so dass diese individuell anpassbar/erweiterbar sind. Die komplette Dokumentation ist online verfügbar und integriert sich bei der Installation in den Help-Browser und ist damit ebenfalls vollständig in Mathematica enthalten. Erfahren Sie hier mehr zu Mathematica. Erfahren Sie hier mehr zu Mathematica Allgemeine Systemvoraussetzungen Neural Networks ist kompatibel zu Mathematica ab Version 9. Systemvoraussetzungen von Mathematica finden Sie hier. Dokumentation Werfen Sie einen Blick in die Dokumentation zu Neural Networks auf den Webseiten von Wolfram Research. das Inhaltsverzeichnis der Dokumentation die Online-Dokumentation Anwendungsbeispiele Wolfram Research stellt eine Reihe von Anwendungsbeispielen zu Fuzzy Logic zur Verfügung, z. B. zu den Themen Hopfield Networks Illustrates the use of Hopfield networks for classification and for restoring distorted patterns using Neural Networks and webMathematica. Classification of Paper Quality Applies different types of neural networks to classify the data from a hybrid gas array sensor, an electronic nose, recording the odor from different cardboard paper samples. Prediction of Currency Exchange Rate Compares how linear and nonlinear models, based on feedforward and radial basis function networks, predict daily currency exchange rates using the rates from previous days. Preisinformationen Beratung zum Neural Networks-Paket erhalten Sie unter Runfnummer +49 (0) 61 72 - 59 05 - 30 oder per E-Mail an Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!. Des Weiteren ist Neural Networks über unseren eShop erhältlich.
