jeffsolver

可解釋神經網絡訓練平臺Neural Designer ?

NeuralDesign基本介紹

近似（函數回歸）

分類（模式識別）

預測（時間序列）

自動關聯模型

文本分類

Neural Designer作為用戶友好、強大而靈活的數據科學和AI機器學習應用程序，它允許您構建定制化的神經網絡模型，而無需編碼或構建邏輯框圖。 這大大降低了深度學習的應用門檻和部署成本及人員成本。
2015 年，Neural Designer 被歐盟委員會選為 Horizon 2020 計劃中的顛覆性技術之一。Neural Designer 可完整地執行描述性、診斷性、預測性和規范性數據分析。它實現了具有多個非線性層的深層架構，并包含解決函數回歸、模式識別、時間序列和自動編碼問題的實用程序。Neural Designer 的輸入是用戶的業務數據集，其輸出是預測模型。該結果采用顯式數學表達式的形式，可以導出到任何計算機語言或系統。*如需申請試用請聯系我們（無錫迅合信息科技有限公司MLOPS工程師）。 support#xunhetech#com。

 

數據                   →→                   神經網絡設計器           →→                   模型輸出

一、應用的類型

二、模型數據集

 

三、神經網絡

四、訓練策略

? 所有類型應用的損耗指數：
      o 常見數據集的加權平方誤差。
      o 處理異常值時出現 Minkowski 錯誤。
      o 模式識別的交叉熵誤差。
      o 不平衡數據集的加權平方誤差。
      o L1 和 L2 正則化以避免過擬合。
? 適用于所有數據量的優化算法：
      o 海量數據集的隨機梯度下降和自適應矩估計。
      o 訓練大數據集的梯度下降、共軛梯度和自適應線性動量。
      o 快速訓練中等數據集的擬牛頓法(Quasi-Newton)。
      o 小數據集高速訓練的 Levenberg-Marquardt 算法。

五、模型選擇

? 用于尋找最佳網絡架構的神經元選擇算法：增量順序（incremental order）。
? 用于選擇最重要特征的輸入選擇算法：增長輸入、修剪輸入和遺傳算法。

六、測試分析

? 測試誤差以及相應的統計和直方圖計算。
? 函數回歸問題的線性回歸分析。
? 模式識別應用的混淆矩陣（Confusion matrix）。
? 用于評估二元分類測試的全套指標。
? 用于診斷測試的 ROC 曲線。
? 錯誤分類實例的列表。
? 營銷中細分應用的累積增益和提升圖。
? 用于模擬營銷活動的利潤圖推演。

七、模型的部署

? 輸出值的計算。
? 用于探索預測模型的方向圖（Directional plots）。
? 模型的可導出的數學表達式。
? 可導出的C 和Python 預測模型。

八、模型的輸出

? 交互式報告中的詳盡結果包含大量描述、表格和圖形。
? 報告可導出為Word 和Pdf 格式。
? 結果可以數據格式導出。

九、出色的性能

? 軟件采用高性能編程語言C++開發。
? 代碼采用了內存管理和處理速度的優化技術。
? 采用 OpenMP 的 CPU 并行化技術。
? 可使用 CUDA、MKL 和 Eigen 進行 GPU 加速。
? 支持多種操作系統平臺Windows，Mac OS X和Linux (Debian以及 Ubuntu)。
? 支持云計算平臺（例如亞馬遜Web Services）。

除了以上的功能上的優勢，客戶還可以享受到簡單易操作的用戶指導文件，眾多領域的神經網絡應用指導文件，優先級支持服務（通過郵件，電話和遠程溝通）。*如需申請試用請聯系我們（無錫迅合信息科技有限公司MLOPS工程師）。 support#xunhetech#com。

客戶群體和應用
NeuralDesigner應用群體廣泛，超過三萬(30,000) 家創新公司、公共機構和大學使用 Neural Designer 通過機器學習提高業務成效。主要商業客戶有（不限于）：英特爾,微軟,Syntiant芯片研究公司, 蒙古GOLOMT銀行，美國社保SOCIAL SECURITY USA,墨西哥Gentera金融服務公司，Grantit金融公司,FL史密斯工程公司，德國PTS技術研究所,Genesis Therapeutics生物制藥公司等。在學術研究領域也有眾多院校在使用（如：阿肯色大學，谷堡州立大學，悉尼大學，德國DHBW大學，帕爾杜比采大學等）。

NeuralDesigner是一款通用應用需求的深度學習框架和軟件工具，在以下領域特別有成功的應用實績。

生命科學	科學與工程	商業領域
? 醫學診斷 ? 醫療預后 ? 醫療輔助 ? 活動識別	? 性能優化 ? 品質提升 ? 預測性維護	? 客戶流失預防 ? 客戶細分 ? 風險評估 ? 銷售預測
消費零售和銀行	能源與環境	汽車與航空
? 交叉銷售和追加銷售 ? 產品傾向性 ? 銷售預測 ?欺詐檢測 ?風險評估	? 氣體減排 ? 森林火災預測 ? 水生毒性 ? 樹木枯萎病檢測	? 翼型葉片的噪聲預測 ? 飛行路線燃油估算 ? 汽車二氧化碳排放量預測 ? 電動機 (EV) 的數字孿生

如果您對您所在的業務情形應用機器學習，深度神經網絡有疑問，請咨詢我們。