您确定要删除吗?

取消
首页 算法大全 应用模型 分析软件 算法学院数据中心 在线体验 关于本站
在线咨询
400-820-6981
意见反馈
返回顶部

ART1神经网络

操作系统:
0
  • Windows
  • Linux
版本:
  • 单机版
  • 网络版
  • 分布式云平台
系统位数:
  • 32位
  • 64位
购买年限:
  • 1年
  • 2年
  • 3年
  • 5年
  • 10年
  • 永久

价格¥0.00元

马克威ART1神经网络

马克威操作说明

以数据文件“马克威通用数据1.mkw”为例,演示ART1神经网络算法的分析过程。首先,在工作区内,打开建模分析工作流:“机器学习”→“神经网络”→“ART1神经网络”,接着选择数据源,然后设置算法参数。设置好参数的界面如下所示:添加变量到“已选变量表”,调整警觉度为0.5,最大迭代次数为5000,字段选取为:P1、P2、P3、P4.并要求显示聚类信息,最后双击运行按钮。

ART1神经网络-属性设置

选项说明

警觉度:用于控制分类的精度,取值在范围0~1之间,系统默认为0.5。需要注意的是,精度过大,有可能会造成算法不能收敛或运行时间过长。

最长运行时间:指定该算法运行的最长时间,如果运算的时间达到该指定时间时则强制跳出,并认为该算法失败,不输出运算结果。在该下拉列表中,系统提供了以下八种设置:10分钟、1小时、2小时、7小时、1天、2天、7天和不限时。其中“不限时”为系统默认项。

最大迭代次数:用于控制计算。当算法迭代到最大迭代次数时,如果此时算法未收敛,则跳出循环。

显示聚类信息:要求输出聚类信息。

双击“运行”节点,得到ART1神经网络的运行结果如下:

ART1神经网络-树形结果列表 ART1神经网络-分析结果

数据要求

输入变量类型:模型的输入样本的各维数据都是布尔值。

算法用途

ART1神经网络可以根据输入的数据,作无监督学习,自动形成和自动确定数据类别。该算法主要对布尔类型的数据聚类。

算法原理

ART1模型(即自适应共振理论模型,由美国Boston大学Stephen Gossberg等人提出)是一种竞争学习网络,能实现自稳定和自组织识别。竞争学习是指同一层神经元上的各个神经元相互之间进行竞争,竞争胜利的神经元修改与其相连的联接权值。

系统中,要求模型的输入样本的各维数据都是布尔值,在训练之初各网络权值都是0~1之间的随机数,网络也是不稳定的,通过训练改变权值,最后使得网络稳定从而完成分类。

结果与解释

输出结果:

ART1神经网络分析结果:列出每条记录所属的类。

聚类图:以记录号为横坐标,聚类号为纵坐标的聚类图。

订购用户 订购时间 年限 运行环境 版本
1336****166 2019-04-25 15:47:59 1年 Windows 单机版
1801****427 2019-02-18 19:07:33 1年 Windows 单机版
1864****834 2018-09-25 15:44:55 1年 Windows 单机版
1811****398 2018-07-23 13:08:04 1年 Windows 单机版
1580****630 2018-07-17 10:05:56 1年 Windows 单机版
1368****165 2018-04-12 09:30:33 1年 Windows 单机版
1368****165 2018-04-12 09:19:18 1年 Windows 单机版
1801****513 2018-04-07 13:53:02 1年 Windows 单机版
1362****882 2018-01-27 13:41:16 1年 Windows 单机版
1362****882 2018-01-26 14:25:12 1年 Windows 单机版
<123· · ·47>跳至

加入购物车成功!

继续购物 去购物车