Na kłopoty: automat
Statistica Neural Networks to jeden z niewielu polskojęzycznych pakietów ułatwiających symulowanie sztucznych sieci neuronowych. Podstawę działania SNN stanowi “automatyczny projektant” – narzędzie wykonujące szereg testów na dostępnych danych wejściowych i określające możliwie najlepsze parametry sieci (typ, liczbę warstw, liczbę neuronów czy funkcję aktywacji). Praca programu polega na interaktywnym dialogu z użytkownikiem w dwóch dostępnych wersjach (podstawowej i zaawansowanej, tak aby doświadczeni użytkownicy mogli z góry wykluczyć część zbędnych testów), czego efektem jest kilka lub kilkanaście sieci o różnej złożoności.
| Statistica Neural Networks 4.0 |
| Wymagania: Windows 9x/Me/NT 4.0/2000, ok. 10 MB na dysku |
| + “automatyczny projektant” + zaimplementowane algorytmy do redukcji liczby istotnych zmiennych wejściowych oraz optymalizacji sieci + generator kodu C oraz interfejs API umożliwiający wykorzystywanie pakietu z poziomu zewnętrznych aplikacji + bardzo dobra dokumentacja – brak możliwości implementacji własnych algorytmów uczenia i nowych typów sieci – stosunkowo ubogie możliwości graficznej prezentacji wyników – niezbędna osobna licencja do “wszywania” pełnej funkcjonalności sieci do własnych aplikacji |
| Producent: StatSoft, USA http://www.statsoft.com/ Dostawca: StatSoft Polska, Kraków tel.: (12) 428 43 00 http://www.statsoft.com.pl/ Cena (z VAT-em): ok. 5400 zł |
Być może największą zaletą aplikacji jest sposób przetwarzania pierwotnego zbioru danych wejściowych. Pakiet umożliwia standaryzację zmiennych oraz kodowanie parametrów nienumerycznych, a ponadto potrafi uzupełnić (jeśli to konieczne) brakujące dane. Analiza wrażliwości pozwala określić wpływ wybranych parametrów na ostateczny wynik przetwarzania, podobne zadanie spełnia funkcja doboru cech (także przy wykorzystaniu algorytmów genetycznych). Obydwie metody mają duże znaczenie dla optymalizacji sieci, zwłaszcza przy większej liczbie parametrów i skomplikowanej topologii.
Zobaczyć neurony
Zestaw dostępnych analiz i statystyk jest dużo bogatszy. Wśród nich są podstawowe funkcje i histogramy błędów, a dla sieci Kohonena – mapa topologiczna czy częstość zwycięstw. Odpowiedź sieci można wyrazić zarówno w dwu, jak i w trzech wymiarach, niestety, dostępna forma graficzna jest raczej surowa i przy bardziej skomplikowanej powierzchni odpowiedzi sieci użytkownik musi mieć wiele samozaparcia, aby poprawnie zinterpretować wyniki, korzystając nawet z możliwości dowolnego obracania przestrzeni.
To, co dla jednych jest zaletą, dla innych może okazać się wadą. Ceną, jaką Statistica płaci za łatwość pozyskiwania szeregu analiz oraz sieci o zadowalających wynikach, jest zamknięta budowa. Do pełnego wachlarza sieci zabrakło specjalistycznych struktur np. ze sprzężeniem zwrotnym. Statistica ogranicza się do najpopularniejszych, gwarantując przy tym ich różnorodność. Akademicki pakiet SNNS (Stuttgart Neural Network Simulator) udostępnia więcej sieci, a na przykład w Matlabie w dowolnym momencie można zaimplementować nową topologię, metodę uczenia czy własną funkcję aktywacji.
Dla koderów
Zaawansowanych użytkowników powinna zainteresować możliwość implementacji większości dobrodziejstw dostarczonych przez Statistica Neural Networks we własnych aplikacjach. Można tego dokonać na dwa sposoby. Pierwszy – dużo uboższy – polega na wygenerowaniu funkcji realizujących wyuczone sieci w języku C. Druga metoda to dostęp do interfejsu API, umożliwiający tworzenie, uczenie i uruchamianie sieci. Wadą tego rozwiązania jest konieczność wykupienia osobnej licencji, chyba że programy korzystające z tej opcji zainstalowane są na tej samej maszynie co SNN.
Wraz z pakietem dostarczony jest imponujący zestaw podręczników, w których oprócz samej aplikacji wiele miejsca poświęcono sieciom neuronowym w ogólności (historia, rodzaje sieci, algorytmy uczenia, podstawowe zagrożenia oraz najczęstsze zastosowania, wszystko poparte szczegółowo – aż do przesady – opisanymi przykładami). Te cechy sprawiają, że nawet osoby słabo znające temat po kilkugodzinnej lekturze będą w stanie rozwiązywać proste problemy klasyfikacyjne.
