Home

NeuralTools - Palisade Corporation

1. 1 schlechter Prognosen Eine Prognose wird als schlecht angesehen wenn sie nicht in die f r den aktuellen Wert definierte Spanne f llt Die Breite dieser Spanne wird durch die Einstellung f r Gute schlechte Toleranz Test im Dialogfeld Anwendungseinstellungen definiert 2 Mittlerer quadratischer Fehler ein Messwert f r die Abweichung von Prognosen vom aktuellen Wert wird als Quadratwurzel der durchschnittlichen quadratischen Abweichung berechnet 3 Mittlerer absoluter Fehler durchschnittliche Abweichung von Prognosen von den aktuellen Werten 4 Histogramm der Residualwerte der Residualwert ist die Differenz zwischen dem aktuellen und dem vorausgesagten Wert 5 Aus Punktdiagrammen geht die Beziehung zwischen aktuellen vorausgesagten und Residualwerten hervor Referenz NeuralTools Men befehle 63 64 e Detaillierter Testbericht Der Bericht wird neben dem Testdatensatz platziert du zeigt wie gut das trainierte Netz die einzelnen Ausgabewerte im Testdatensatz vorausgesagt hat dace Alter der Geeohrmuncht jus Microsoft Becel x gt Stat Dorogon Setena femme Dit berpr fen sane ox A y P Dienstprogramme Hh SE e e Datematmanager Tiainieren Testen Voraunagen omen Mewronaie nete Tesi m i A30 G fal Geschlecht ma nenne a nun Im detaillierten Testbericht sind die Prognosen als gut oder schlecht markiert und zwar auf Basis der im Dialogfeld
2. sssussssssnsnsnesnsnssesnsnsnennsnssesnsnsnennsnsnssnensnsnnsnsnsnnen 3 NeuralTools Professional und Industrial essessssnsssssnsnsnesnsnenennen 3 Die Betriebssystemumgebung esssesssnssssssnsnsnesnsnssesnsnsnennsnssesnensnene 3 Unterst tzung suesesnesnessenennensonennensonennensonennensenesnessenennessenesnessenssnessenene 4 Systemanforderungen von NeuralTools eesesesesesoessssnenenesesnenenensene 6 Installationsanleitung usurannsonnennnnnnnnunnnnnnnnnnnnnnnnnnnunnnunnnnnnnnnunnnnnnnn 7 Allgemeine Installationsanleitung esesesesesessssenensnenenenenenesnnenensene 7 Konfiguration der NeuralTools Symbole oder Verkn pfungen 8 DecisionTools Suite sssrin s n ea a E 9 Softwareaktivierung eseesesssreesessesresrescoseseeseesroncoresseseesroneosesreseesesseesess 9 Kapitel 2 berblick ber NeuralTools 11 berblick i 3 2 4 0024 282201002 nahe ae ee satni aii 13 Warum neuronale Netzwerke uussssnssssssnsnsnesnsnssesnsnsnesnenssesnsnsnnsnene 13 NeuralTools und neuronale Netzwerke unesesnsssnsnssssnensnennsnenennen 14 NeuralTools Men und NeuralTools Symbolleiste ne 15 Datens tze und Datensatzmanager n sesnsssssnensssensnenesnenssnensnnnesnene 15 Training eines neuronalen Netzwerks unesesesssssesesesesnenenenenenrnnnnne 17 Testen eines Netzwerks ueussesssnsssnsnesssnensnennsnenssnensnsnnsnsnsnnsnsnsnnsnnnnnnen 22 S b aaa A ATE EA AE AT A A A ET A A E AT 24
3. DecisionTools Suite NeuralTools ist eine Komponente der DecisionTools Suite bei der es sich um einen Satz von Produkten f r die Risiko und Entscheidungsanalyse handelt die von Palisade Corporation erh ltlich sind Normalerweise wird NeuralTools in einem Unterverzeichnis von Programme Palisade installiert Das ist so hnlich wie z B Excel oft in einem Unterverzeichnis von Microsoft Office installiert wird Eines der Unterverzeichnisse von Programme Palisade ist somit das Evolver Verzeichnis das gew hnlich die Bezeichnung NeuralTools5 hat Dieses Verzeichnis enth lt dann die NeuralTools Add In Programmdatei NEURALTOOLS XLA sowie auch Beispielmodelle und andere zur Ausf hrung von NeuralTools erforderliche Dateien Ein anderes Unterverzeichnis von Programme Palisade ist das Verzeichnis SYSTEM in dem sich die Dateien befinden die von den einzelnen Programmen der DecisionTools Suite ben tigt werden einschlie lich Hilfedateien und Programmbibliotheken Softwareaktivierung Bei der Aktivierung handelt es sich um einen einmaligen Lizenzpr fprozess der erforderlich ist um die Palisade Software als vollkommen lizenziertes Produkt ausf hren zu k nnen Die Aktivierungs ID befindet sich auf der an Sie geschickten Rechnung und sieht so hnlich wie z B DNA 6438907 651282 CDM aus Wenn Sie diese Aktivierungs ID w hrend der Installation eingeben ist die Software bereits bei Beendung des I
4. In Bezug auf neuronale Wahrscheinlichkeitsnetzwerke sollten Sie sich den folgenden Trainingsdatensatz mit 2 numerisch unabh ngigen Variablen und einer anh ngigen Variable mit 2 Kategorien ansehen Die Kreise stellen Trainingsf lle in einer Kategorie dar w hrend die Quadrate solche F lle kennzeichnen die zur anderen Kategorie geh ren Es ist unsere Aufgabe die Kategorie des Falls vorauszusagen der als Fragezeichen markiert ist Auf der Hand w rde ein Mensch entscheiden dass der Fall in der Kreiskategorie wahrscheinlicher als in der Quadratkategorie ist Bei vielen Klassifikationsmethoden ist es jedoch nicht m glich zu denselben Schlussfolgerungen zu kommen Methoden die eine lineare Besonderheit der Kategorien erforderlich machen w rden beispielsweise hier nicht richtig funktionieren Durch N chster Nachbar Methoden w rde der unbekannte Fall der Quadratkategorie zugewiesen werden Das gleiche w rde bei Methoden geschehen die sich auf Zentraltendenzen konzentrieren da der unbekannte Fall n her dem Fl chenmittelpunkt der Quadratkategorie als dem der Kreiskategorie ist Andererseits w rde durch ein PN Netz die richtige Prognose erstellt werden In diesem Netzt wird die Distanz des neuen Falles zu jedem Trainingsfall in Betracht gezogen und daher den n heren F llen gr ere Wertigkeit zugewiesen Die Wirkung des benachbarten Quadrats wird durch die in n chster N he befindlichen Kreise berwogen Weitere Info ber
5. Mithilfe von Echtzeit Prognose k nnen Sie die Daten f r neue F lle einfach direkt in Excel eingeben und automatisch eine neue Prognose erstellen ohne zu diesem Zweck ber das Dialogfeld Prognose sehen zu m ssen Wenn im vorstehenden Arbeitsblatt die unabh ngigen Werte f r den Fall in Zeile 7 sich wie gezeigt ndern wird der vorausgesagte Wert automatisch entsprechend aktualisiert Genau wie in jeder anderen Arbeitsblattzelle k nnen Sie auch hier in jeder beliebigen Excel Formel auf eine Echtzeit Prognosezelle verweisen A FEE s Alter der Seeohrmuschells Kompatibilittsmodus Microsoft Excel Start Einf gen Seitenlayout Formeln Daten berpr fen Ansicht NeuralTools WEBER gt A 2 FF Dienstprogramme fe za Hite Datensatzmanager Trainieren Testen Voraussagen Daten Neuronale Netze Tools Vvoraussagen voraussagen We m Tramingsdaten Testdaten Prognosedaten Neuraifoos bersicht 3 Bereit Hinweis Echtzeit Prognose ist nur in der Version Industrial verf gbar Kapitel 2 berblick ber NeuralTools 25 26 Berichte und Diagramme in NeuralTools In NeuralTools werden f r das Training und Testen sowie f r die Prognose sowohl bersichten als auch Detailberichte erstellt F r bersichtsberichte ist ein eigenes Arbeitsblatt vorgesehen und diese Berichte enthalten zusammenfassende Informationen ber das Testen und Training Ein Detailbericht gibt dagegen
6. NeuralTools Neuroralnetz Add In f r Microsoft Excel Version 7 Juni 2015 Palisade Corporation 798 Cascadilla Street Ithaca NY 14850 USA 1 607 277 8000 1 607 277 8001 Fax http www palisade com Web Site sales palisade com E Mail Copyright Hinweis Copyright 2015 Palisade Corporation Warenzeichen Microsoft Excel und Windows sind eingetragene Warenzeichen der Microsoft Corporation IBM ist ein eingetragenes Warenzeichen von International Business Machines Inc Palisade TopRank BestFit und RISKview sind eingetragene Warenzeichen der Palisade Corporation Willkommen in NeuralTools f r Excel Willkommen Durch NeuralTools erh lt Microsoft Excel das den Industrienormen entsprechende Daten und Analysen Modellierungswerkzeug einen neuen und leistungsf higen Werkzeugsatz NeuralTools ist ein Add In f r die Neuronalnetze in Microsoft Excel Dadurch k nnen Sie in Excel Arbeitsbl ttern Daten analysieren w hrend Sie in der Ihnen bekannten Microsoft Office Umgebung arbeiten Durch das Kombinieren einer leistungsf higen Datenverwaltung mit hochmodernen Neuronalnetz Algorithmen erhalten Sie beiderseits das beste m helose Microsoft Office entsprechende Verwendung und Berichte sowie auch robuste und genaue neuronale Netzprognosen Arbeiten Sie bequem Wenn Sie mit Excel vertraut sind kennen Sie auch bereits NeuralTools NeuralTools funktioniert genau wie Excel d h mit Symbolleiste
7. NeuralTools Dienstprogramm zum Ersetzen fehlender Daten Datensatz Prognosedaten Zu ndernde Variablen Typ Yariablenname Leerzellen Fehler Nicht num Kat unabh Geschlecht Num unabh L nge Num unabh Durchmesser Alle Variablen ausw hlen M M M V M M 4 Kategorievariablen ausw hlen Zu ersetzende Yariablen Numerische Variablen ausw hlen IV Leere Zelen Alle Variablen abw hlen IV Fehler z B WERT IV Nichtnumerische Daten in numerischen Variablen I Bestimmter Wert Art der Ersatzwerte Kategorievariablen H ufigste Kategorie v Numerische Variablen Durchschnittlicher Yariablenwert r Dienstprogramme Im Dialogfeld Dienstprogramm zum Ersetzen fehlender Daten sind folgende Optionen verf gbar e Zu ndernde Variablen listet die Variablen auf die im aktuellen Arbeitsblatt im Datensatz verwendet werden und zeigt die Anzahl der fehlenden fehlerhaften und bei numerischen Variablen nichtnumerischen Daten Durch Aktivieren des Kontrollk stchens einer Variable wird diese ausgew hlt damit darin fehlende oder andere nicht erw nschte Daten ersetzt werden k nnen In dieser Variablenliste ist durch Klicken mit der rechten Maustaste ein Kontextmen verf gbar in dem Variablengruppen ausgew hlt und auch abgew hlt werden k nnen e Zu ersetzende Variablen w hlt unter den ausgew hlten Variablen die Wertetypen aus die ersetzt werden sollen Bestimmter Wert erm glicht das Ersetzen aller Insta
8. Anwendungseinstellungen eingestellten Toleranzschwelle Wenn Sie mehrere Tests ausf hren k nnen in neuen Spalten rechts vom Testdatensatz entsprechende Detailberichte hinzugef gt werden sodass Sie feststellen k nnen wie die Prognosen f r die einzelnen F lle sich ndern wenn neu trainierte Netze getestet werden Befehlsreferenz Schnell bersichten in Detailberichten Beim Durchsehen eines Detailberichts kann in Excel ber einen Popup Kommentar schnell auf die Informationen im bersichtsbericht zugegriffen werden Um den Popup Kommentar anzuzeigen brauchen Sie mit der Maus nur ber die Berichts berschrift gehen Hinweis Um die Popup Kommentare anzeigen zu k nnen m ssen diese in Excel ber das Men Extras und das Dialogfeld Optionen auf der Registerkarte Ansicht aktiviert werden a daer Alter der Seechrmuschelsis Kompatito it tsmaches Microsoft Excel 50x Sae Getugea Salbei Hameln Daten berpr fen Amine Neursioon x A ER pi Denstgrogramme A Se i Daternatzmanager Trainieren Testen Vorsumagen Daten Nunmenaie Netze Vom as aE E KI L T E E ee R 5 T u vu 25 2 Eu za EJ nose GuUSeNecm m Hetznfornanenen Name Auf Trainingsdaten varieries Netz Kant i Numerscher GRNN Pr ckaor Referenz NeuralTools Men befehle 65 66 Befehl Voraussagen Legt die Einstellungen f r das Voraussagen von Werten unter Verwendung eines trainierten neuronalen Netzwer
9. Es gibt viele M glichkeiten sich mit unserer technischen Abteilung in Verbindung zu setzen zum Beispiel e senden Sie Ihre E Mail an support palisade com e rufen Sie uns unter der Nummer 1 607 277 8000 an und zwar montags bis freitags zwischen 9 00 und 17 00 Uhr US Ostk stenzeit Lassen Sie sich dabei zum Technical Support durchschalten Einf hrung e faxen Sie uns unter der Nummer 1 607 277 8001 e senden Sie einen Brief an Technischer Support Palisade Corporation 798 Cascadilla St Ithaca NY 14850 USA Palisade Europe ist wie folgt zu erreichen e senden Sie Ihre E Mail an support palisade europe com e rufen Sie unter der Telefonnummer 44 1895 425050 GB an e faxen Sie unter der Nummer 44 1895 425051 GB e senden Sie einen Brief an Palisade Europe 31 The Green West Drayton Middlesex UB7 7PN Gro britannien Palisade Asia Pacific ist wie folgt zu erreichen e senden Sie Ihre E Mail an support palisade com au e rufen Sie unter der Telefonnummer 61 2 9252 5922 AU an e faxen Sie unter der Nummer 61 2 9252 2820 AU e senden Sie einen Brief an Palisade Asia Pacific Pty Limited Suite 404 Level 4 20 Loftus Street Sydney NSW 2000 Australien Es ist wichtig dass Sie uns bei jeder Kommunikation den Produktnamen die Version sowie die Seriennummer nennen Sie k nnen die Versionsnummer herausfinden indem Sie in Excel im NeuralTools Men auf Hilfe ber klicken H n f r F r die Studentenversi
10. Jeder Wert wird in die Analyse mit einbezogen indem der angegebene Prozentsatz an Testf llen w hrend mehrerer Training Sitzungen ber cksichtigt wird Referenz NeuralTools Men befehle 81 82 e Anzahl der f r jeden Wert zu trainierenden Netze dies ist die Anzahl der Training Sitzungen f r jeden vorstehend genannten Prozentwert e Netzkonfigurationseinstellungen die verschiedenen in die Analyse mit einbezogenen Training Sitzungen haben alle die gleiche Netzkonfiguration Einzelheiten ber das genaue Angeben der Netzkonfiguration sind in der Dokumentation f r das Dialogfeld Training zu finden Ganz unten im Dialogfeld ist angegeben wie lange die Analyse ungef hr dauern wird Diese Angabe basiert evtl auf der beendeten Training Sitzung oder auf den im Dialogfeld Training angegebenen Ausf hrungszeiteinstellungen Durch die Analyse wird ein Bericht erstellt aus dem die Bereiche zwischen Minimal und Maximalwerten des Tests hervorgehen die in den verschiedenen Training Sitzungen erfasst wurden Ad 9 7 Mappe3 Microsoft Excel 2 BR Start Einf gen Seitenlayout Formeln Daten berpr fen Ansicht NeuralTools A o P 34 gt En 28 Dienstprogramme FEE a afo nire Datensatzmanager Trainieren Testen Voraussagen Daten Neuronale Netze Hilfe Al X f v ISIE B c D E NeuralTools Testempfindlichkeitsbericht Palisade der schlechten Prognosen gegen ber der Testf lle u
11. richtige Antwort Rot ist dann ist der Wert in diesem Fall 20 50 70 Bei diesem Wert handelt es sich somit um eine fallweise Fehlermessung f r die Kategorieprognose Dies entspricht dem Residualfehler bei der numerischen Prognose Mittlere falsche Wahrscheinlichkeit entspricht dem Durchschnittsfehlerwert f r alle vorhandenen F lle Detailberichte zeigen die falsche Wahrscheinlichkeit f r die einzelnen F lle Um dieses Konzept besser zu verstehen sollten Sie vielleicht die Einstellungen f r Detailbericht ndern um die Wahrscheinlichkeiten zu zeigen die durch ein neuronales Wahrscheinlichkeitsnetz jeder m glichen Kategorie der abh ngigen Variable zugewiesen wurden Zu diesem Zweck m ssen Sie im Men Dienstprogramme die Option Anwendungseinstellungen w hlen und dann rechts im Dropdown Men auf die Zeile Spalten in Detailberichten klicken Es ist dann das Dialogfeld NeuralTools In Detailberichten anzuzeigende Spalten zu sehen W hlen Sie in diesem Dialogfeld die Option Wahrscheinlichkeiten f r alle Kategorien f r PNN zum Testen aus Trainieren Sie anschlie end ein PNN Netz auf einen Datensatz ein der mindestens 3 Kategorien in der abh ngigen Variablen enth lt die Beispieldatei Autokredite xIs kann hierf r verwendet werden Zu diesem Zeck muss Autom testen ausgew hlt sein In dem sich daraus ergebenden Detailbericht k nnen Sie sehen wie die Werte in der Spalte Falsche sich auf die Wahrscheinlichkeiten b
12. Arbeitsmappe oder in einer Datei auf der Festplatte gespeichert werden Klicken Sie auf Durchsuchen um den gezeigten Namen oder Speicherort zu ndern Referenz NeuralTools Men befehle 43 44 NeuralTools Netz speichern Trainiertes Netz speichern eitsmappe Alter der Seeohrmuschel xis C An Datei Netzinformationen Name Auf Trainingsdaten trainiertes Netz Beschreibung Sie k nnen auch einen Namen und eine Beschreibung f r das zu speichernde neuronale Netzwerk eingeben Die Optionen unter Wenn Training beendet erm glichen Ihnen mithilfe des trainierten Netzes nach dem Training automatisch zu testen und vorauszusagen Das kann aber nur dann geschehen wenn die zu testenden und vorauszusagenden Daten sich in demselben Datensatz wie die Trainingsdaten befinden e Autom testen aktivieren legt fest dass 1 ein Prozentsatz der F lle im Datensatz automatisch vom Training ferngehalten und zum Testen verwendet werden soll 2 F lle in denen die Tag Variable test vorhanden ist zum Testen verwendet werden soll Bei einer Tag Variable handelt es sich um einen Variablentyp der im Datensatzmanager spezifiziert ist e Durch Dieselben Testf lle w hlen solange diese Zahl dieselbe ist wird angegeben dass bei wiederholtem Trainieren dieselben Testf lle verwendet werden sollen Das kann beim Vergleich von verschiedenen Arten von neuronalen Netzen recht n tzlich sein um die Variabilit t zu vermei
13. Arten von Netzwerken verf gbar neuronale Wahrscheinlichkeitsnetzwerke PNN und mehrschichtige Feedforward Netzwerke MLF Numerische Prognose kann mithilfe von MLF Netzwerken und auch mit verallgemeinerten neuronalen Regressionsnetzwerken GRNN ausgef hrt werden die so hnlich wie PNN Netzwerke sind Weitere Informationen ber die technischen Aspekte der verf gbaren Netzwerkkonfigurationen sind im Abschnitt Weiteres ber neuronale Netzwerke zu finden NeuralTools Training Trainieren Netzkonfiguration ausf hrungszeit Netztyp Bestes Netz suchen Optionen Bestes Netz suchen un PN GRN Netz J Lineare Regression ausf hr LF Netz In Suche einzuschlie ende Netzkonfigurationen IV PN GRN Netz IV MLF Netz Knotenz hlung Minimum Automatisch Y Knotenz hlung Maximum Automatisch v 7 Alle versuchsweisen Netze in neuer Arbeitsmappe speichern Beschreibung 6 Netze werden trainiert und getestet um das beste Netz herauszufinden amp Abbrechen Auf der Registerkarte Netzkonfiguration sind folgende Optionen verf gbar e Netztyp zur Auswahl des Netztyps der zum Training verwendet werden soll oder f r Bestes Netz suchen Je nach ausgew hltem Netztyp ndern sich die auf der Registerkarte Netzkonfiguration angezeigten Optionen Folgende Netztypen sind verf gbar Referenz NeuralTools Men befehle 49 Bestes Netz suchen Bei dieser Option berpr ft NeuralTools alle angekreuzte
14. Einzelheiten zu den einzelnen Berichten und ist neben den Daten zu sehen ber die berichtet wird Auch sind die meisten Informationen aus dem bersichtsbericht ebenfalls im Detailbericht zu sehen und zwar als ein zur Titelzelle hinzugef gter Kommentar Solch eine Version des bersichtsberichts wird Schnell bersicht genannt NeuralTools Anwendungseinstellungen Allgemeine Einstellungen Sprache Deutsch Begr ungsbildschirm anzeigen Falsch Berichte Zu erstellende Berichte Automatisch bersich berichte pla ieren in cUe ei ET NeuralTools Zu erstellende Berichte Nach dem Yorgang Zu erstellende Berichte Training Testen Prognose bersichtsbericht v vd Detailbericht m M M OK Autom voraussagen Wahr Echtzeit Prognose aktivieren Wahr Direkt im Datensatz voraussagen Falsch Auswirkungen der Yariablen berechnen Falsch Standardwerte f r Netzkonfiguration Lineare Regression ausf hren Wahr Netztyp PN GRN Netz Standardwerte f r Ausf hrzeiten Zeit Wahr Stunden 2 Versuche Wahr Anzahl der Yersuche 1000000 Fortschritt Falsch Fehler nderung 1 zl Minukan en 6 aj OK Abbrechen Wenn durch NeuralTools irgendwelche Diagramme erstellt werden sind diese bei den Berichten zu sehen Diagramme werden im Excel Format erstellt und k nnen ber die standardm igen Excel Diagrammbefehle Ihren W nschen angepasst werden berblick NeuralTools Dienstprogramme Es sind drei Dienstprogram
15. Kapitel 1 Erste Schritte Einf hrung 2 2 Eis lalenk 3 Info zu dieser Version eusnesssssosnesusnenssnenunnnunnesnsnenenssnenenssnenennssnnensnnse 3 NeuralTools Professional und Industrial eesesssssssssnsnsnesnsnenennen 3 Die Betriebssystemumgebung zessseesssnssssesnsnsnesnsnssesnensnennsnssesnensnene 3 Unterst tzung onnios inao Er TE EENES 4 Systemanforderungen von NeuralTools ssesesseseseseseeseseeresesesseseseese 6 Installationsanleitung usursnnennneunnnnnnnunnnunnnnnnnnnnnnnnnunnnunnnnnnnnnunnnnnnnn 7 Allgemeine Installationsanleitung esesnssssesesnsnesnsnssssnensnennsnensnnen 7 Konfiguration der NeuralTools Symbole oder Verkn pfungen 8 DecisionTools Suite suseesssnssssssnsnsnnsnenssssnsnsnnsnsnsnnsnsnsnnsnenssnsnsnsnnsnennnnen 9 Softwareaktivierung usssssssesesesesesnonononsnsnsnenenenensnnnnnnenenensnsnenenenenenenensene 9 Kapitel 1 Erste Schritte Einf hrung In dieser Einf hrung wird der Inhalt des NeuralTools Paketes beschrieben und Ihnen gezeigt wie NeuralTools installiert und mit Microsoft Excel 2007 oder h her verkn pft werden kann Info zu dieser Version Diese Version von NeuralTools kann zusammen mit Microsoft Excel 2007 oder h her verwendet werden NeuralTools Professional und Industrial Es sind zwei Version von NeuralTools verf gbar Professional und Industrial Zwischen diesen beiden Versionen bestehen folgende Unterschiede e In
16. Netze mit Einzelausgabe gel st werden Anstatt nur ein Netzwerk zu konstruieren um das Umsatzvolumen und den Kurs einer Aktie am folgenden Tag vorauszusagen ist es besser ein Netz f r Kursprognosen und ein Netz f r Umsatzprognosen zu erstellen Andererseits haben neuronale Netze aber mehrere Ausgaben wenn sie f r die Klassifizierung Kategorieprognose verwendet werden Angenommen Sie m chten voraussagen ob der Kurs einer Aktie am folgenden Tag mehr als 1 steigt mehr als 1 f llt oder sich nicht mehr als 1 ver ndert In diesem Fall wird das Netz drei numerische Ausgaben haben und aus der h chsten Ausgabe geht hervor welche Kategorie durch das Netz ausgew hlt wurde Trainieren eines Netzes Beim Training eines Netzes handelt es sich um einen Prozess durch den die Berechnungsparameter fein eingestellt werden Dadurch soll erreicht werden dass das Netz Wert ausgibt die m glichst genau den betreffenden Eingaben entsprechen Dieser Prozess wird einerseits durch Trainingsdaten und andererseits durch den Trainings Algorithmus gesteuert Durch den Trainings Algorithmus werden verschiedene S tze von Berechnungsparametern ausgew hlt und wird dann jeder Satz entsprechend ausgewertet indem das Netz auf die einzelnen Trainingsf lle angewendet wird um festzustellen wie gut die durch das Netz gegebenen Antworten oder L sungen sind Jeder Parametersatz wird als Versuch bezeichnet Der Trainings Algorithmus w
17. Prozesses ist Neurallools Training l uft Training Fortschritt Numerischer GRNN Pr diktor Zeit seit Beginn 00 01 36 Anzahl der Versuche 52 Fehler im Trainingssatz 0 6796615 Fehler w hrend der letzten 5 Minuten Fehler w hrend Trainingsperiode in Stunden Das Training wird angehalten sobald irgendwelche von Ihnen eingestellte Anhaltebedingungen wie z B in Bezug auf maximale Trainierzeit erf llt sind Falls Sie f r Ihr Netz Autom testen oder Fehlende Ausgabewerte voraussagen im Datensatz ausgew hlt haben wird diese Aufgabe nach dem Training ausgef hrt 20 berblick Trainings Berichte Aus den Trainings Berichten geht hervor wie gut Ihr trainiertes Netz funktioniert In den Statistiken wie z B in schlechter Prognosen ist die Anzahl von F llen im Trainingssatz zu sehen in denen das Netzwerk einen Ausgabewert voraussagte der nicht dem aktuellen bekannten Wert entsprach Auf Trainingsdaten trainiertes Netz Numerischer GRNN Pr diktor Alter der Seeohrmuschel xis Kategorieunabh ngige Variablen 1 Geschlecht Numerisch unabh ngige Variablen 7 L nge Durchmesser H he Gesamtgewicht Enth lst Muschelinhalt Muschelgewicht Abh ngige Variable Numerische Var Alter Training Anzahl von F llen 3177 Trainingszeit 00 03 00 Anzahl der Versuche 37 Anhaltegrund Autom angehalten schlechter Prognosen 30 Toleranz 5 0332 Mittlerer quadrat
18. addieren die Eingaben w hrend der Ausgabeknoten diese dividiert um die Prognose zu erstellen Durch die Distanzfunktion die in den Neuronen der Musterschicht berechnet wurde werden so genannte Gl ttungsfaktoren verwendet Jede Eingabe hat ihren eigenen Gl ttungsfaktorwert Je h her der Wert des Gl ttungsfaktors bei einer Einzeleingabe ist um so wichtiger werden die entfernt befindlichen Trainingsf lle f r den vorausgesagten Wert Bei zwei Eingaben bezieht sich der Gl ttungsfaktor auf die Distanz entlang der einen Achse einer Ebene oder allgemein gesehen bei mehreren Eingaben auf eine Dimension im mehrdimensionalen Raum Das Training eines GRN Netzes besteht aus dem Optimieren der Gl ttungsfaktoren um den Fehler im Trainingssatz zu minimieren Zu diesem Zweck wird die Optimierungsmethode Konjugiertes Gradienten Verfahren verwendet Der w hrend des Trainings verwendete Fehlermesswert um die verschiedenen S tze von Gl ttungsfaktoren auszuwerten ist der mittlere quadratische Fehler Bei Berechnung des mittleren quadratischen Fehlers f r einen Trainingsfall wird dieser jedoch vor bergehend nicht in die Musterschicht mit einbezogen Durch das nicht mit einbezogene Neuron w rde n mlich eine Nulldistanz berechnet werden wodurch andere Neuronen f r die Prognoseberechnung unbedeutend w rden 96 Verallgemeinerte neuronale Regression GRM und Wahrscheinlichkeits PN Netze Neuronale Wahrscheinlichkeitsnetzwerke
19. hlt jeweils neue Parameters tze aus und zwar immer auf Basis der Ergebnisse aus den vorhergehenden Versuchen Grundlagen des neuronalen Netzwerks Computerverarbeitung von neuronalen Netzen Ein neuronales Netz ist ein Berechnungsmodell das in verschiedene Typen von Computerhardware implementiert werden kann Beispielsweise k nnte ein neuronales Netz aus kleinen Verarbeitungselementen erstellt werden die jeweils die Arbeit eines einzelnen Neurons ausf hren Neuronale Netze werden gew hnlich auf einem Computer implementiert der mit nur einem leistungsstarken Prozessor ausgestattet ist wie das bei den meisten Computern heutzutage der Fall ist Bei dieser Art von Computer verwendet NeuralTools den vorhandenen Prozessor um die Berechnungen der einzelnen Neuronen auszuf hren In diesem Fall ist ein Neuron einfach Teil der Berechnungen die f r eine Prognose erforderlich sind und kein physikalisches Verarbeitungselement Arten von neuronalen Netzwerken Es gibt verschiedene Arten von neuronalen Netzwerken die sich in Struktur Berechnungsweise in den Neuronen und auch in den Trainings Algorithmen unterscheiden Eines der in NeuralTools verf gbaren Netze ist das mehrschichtige Feedforward Netzwerk MLF Bei diesen MLF Netzen kann der Benutzer von NeuralTools angeben ob eine oder zwei Schichten von verdeckten oder ausgeblendeten Neuronen vorhanden sein und wie viele Neuronen diese Schichten enthalten sollen NeuralTools kann dabei behi
20. k nnen Wenn Sie einen Datensatz definieren versucht NeuralTools in Excel die Variablen zu identifizieren die sich in den Zellen um die aktuelle Auswahl befinden Dadurch kann schnell und m helos ein Datensatz eingerichtet werden und zwar mit den Variablen in Spalten und den entsprechenden Namen der Variablen jeweils in der obersten Zeile Referenz NeuralTools Men befehle 37 Dialogfeld Ef NeuralTools Datensatzmanager Alter der Seeohrmuschel xls Datensatz Prognosedaten manager Testdaten L schen Datensatz Name Trainingsdaten Excel Bereich 430 13207 S Mehrfach IV Zellformatierung anwenden Variablen Excel Datenbereich Yariablenname Yariablentyp A31 43207 Geschlecht i Kategorieunabh ngig B31 83207 L nge Numerisch unabh ngig C31 C3207 Durchmesser Numerisch unabh ngig D31 D3207 H he Numerisch unabh ngig E31 E3207 Gesamtgewicht Numerisch unabh ngig F31 F3207 Enth lst Numerisch unabh ngig G31 63207 Muschelinhalt Numerisch unabh ngig H31 H3207 Muschelgewicht Numerisch unabh ngig 131 13207 Ringe Unbenutzt J31 13207 Alter Numerisch abh ngig 10 Variablen 3177 Datenzellen pro Yariable Importieren 7 OK Abbrechen Im Dialogfeld Datensatzmanager sind unter Datensatz folgende Optionen zu finden e Neu L schen f gt einen neuen Datensatz hinzu oder l scht einen bereits vorhandenen e Name legt den Namen f r den Datensatz fest e Excel Bereich bestimmt den mit einem Daten
21. neuronale Netzwerke 97 PNN Architektur Ein neuronales Wahrscheinlichkeitsnetz ist wie im Diagramm gezeigt strukturiert Es wird dabei davon ausgegangen dass zwei numerisch unabh ngige Variablen zwei abh ngige Kategorien und f nf Trainingsf lle vorhanden sind drei davon in einer und zwei in der anderen Kategorie Ausgabe Summierungsschicht ein Neuron pro Kategorie Musterschicht ein Neuron pro Trainingsfall Eingaben Wenn dem Netz ein Fall gegeben wird berechnet jedes Neuron in der Musterschicht die Distanz zwischen dem durch das Neuron dargestellten Trainingsfall und dem Eingabefall Der an die Neuronen der Summierungsschicht weitergegebene Wert stellt eine Funktion der Distanz und Gl ttungsfaktoren dar Genau wie bei den GRN Netzen hat jede Eingabe ihren eigenen Gl ttungsfaktor Durch diese Faktoren wird bestimmt wie schnell die Signifikanz der Trainingsf lle mit zunehmender Distanz abnimmt In der Summierungsschicht befindet sich ein Neuron pro abh ngiger Kategorie Durch jedes Neuron werden die Ausgabewerte der verschiedenen Neuronen addiert die den Trainingsf llen in der betreffenden Kategorie entsprechen Die Ausgabewerte der Summierungsschicht Neuronen k nnen als Sch tzung der Wahrscheinlichkeitsdichtefunktion f r jede Klasse ausgelegt werden Durch das Ausgabeneuron wird die Kategorie mit dem h chsten Wahrscheinlichkeitsdichte Funktionswert als vorausgesagte Kategorie ausgew hlt 98 Verallgemeine
22. tze und Variablen Befehl Datensatzmanager Definiert NeuralTools Datens tze und Variablen oder bearbeitet bzw l scht einen bestehenden Datensatz nebst Variablen Der Befehl Datensatzmanager erm glicht Ihnen die gew nschten Datens tze F lle und Variablen zu definieren Sobald die Datens tze definiert sind k nnen sie f r das Training und Testen von neuronalen Netzen sowie f r die Prognose verwendet werden ber das Dialogfeld Datensatzmanager k nnen Sie Datens tze hinzuf gen oder entfernen sowie auch einen Datensatz benennen oder das Layout der Variablen in einem Datensatz angeben und diese Variablen wie gew nscht bezeichnen In NeuralTools sind die Daten den F llen und Variablen gem strukturiert Sie arbeiten mit einem Datensatz oder einem Satz von statistischen Variablen die sich in einem Excel Arbeitsblatt in zusammenh ngenden Spalten mit verschiedenen Namen befinden Die Namen der Variablen sind in der ersten Zeile des Datensatzes zu sehen Bei jeder Zeile im Datensatz handelt es sich um einen Fall Jeder Fall ist mit einem Satz von unabh ngigen Variablenwerten und entweder einem bekannten oder fehlenden Wert f r die abh ngige Ausgabevariable versehen Jede in einem Datensatz befindliche Variable hat einen Namen und ist in Excel mit einem bestimmten Zellenbereich verkn pft Ein Datensatz kann aus mehreren Zellbl cken bestehen wodurch Sie dann Daten in verschiedene Bl tter derselben Arbeitsmappe eingeben
23. verf gbar die f r Echtzeit Prognose verwendet werden Nach dem Ersetzen werden Echtzeit Prognosen die vorher mithilfe des alten Netzes vorgenommen wurden unter Verwendung des neuen Netzen ausgef hrt Dies bezieht sich jedoch nicht auf Detailberichte Wenn ein Detailbericht Zellen mit Echtzeit Prognosen enth lt in denen das zu ersetzende Netz verwendet wird enthalten diese Zellen nach dem berschreiben des Netzes weiterhin die alten Werte e Netzinformationen erm glicht Ihnen einem Netzwerk beschreibende Informationen hinzuzuf gen Dadurch ist es einfacher das trainierte Netzwerk und auch die dazu verwendeten Bedingungen zu identifizieren Referenz NeuralTools Men befehle 77 78 Befehl Dienstprogramm zum Ersetzen fehlender Daten Macht es m glich in einem Datensatz fehlende Daten und fehlerhafte Werte durch k nstliche Werte zu ersetzen Dieser Befehl gibt Ihnen die M glichkeit in einem Datensatz die fehlenden oder nicht erw nschten Daten durch k nstliche Werte zu ersetzen Fehlende Variablenwerte werden in NeuralTools w hrend des Training des Testens und der Prognose nicht ber cksichtigt Es ist daher h ufig angebracht solche Variablen vor der Verarbeitung zu berichtigen Im Dialogfeld Trainings Vorschau ist ein Warnhinweis zu sehen wenn in einem Datensatz gewisse Werte fehlen Wenn dieser Warnhinweis erscheint kann das Problem ber den Befehl Dienstprogramm zum Ersetzen fehlender Daten beigelegt werden
24. von einer Eingabe zu den Neuronen der zuerst ausgeblendeten Schicht f hren Wenn diese unbedeutende Variable jedoch einer gr eren Gr enordnung angeh rt als andere Variablen m ssen die Bewertungsfaktoren entsprechend st rker reduziert werden um die h heren Werte auszugleichen Beim Skalieren wird der im Trainingssatz berechnete Mittelwert und die entsprechende Standardabweichung f r die einzelnen Variablen verwendet Der Mittelwert wird von jedem Wert abgezogen und das Ergebnis dann durch die Standardabweichung dividiert Die gleichen Skalierparameter werden auch beim Testen des trainierten Netzes oder bei den Prognosen verwendet Symbolische Kategoriedaten k nnen nicht direkt im neuronalen Netz verwendet werden da im Netz als Eingaben zur Zahlen benutzt werden k nnen Dementsprechend wird jede kategorieunabh ngige Variable durch eine Anzahl von numerischen Netzeingaben dargestellt und zwar je eine Eingabe f r alle m glichen Kategorien Dabei wird eine Konvertierungsmethode verwendet Die z B durch folgenden Satz von Trainingsf llen erkl rt werden kann Alter Staat Darlehensbetrag Abh ngig Darlehens r ckzahlung 41 NY 4000 p nktlich 32 CT 7000 mit Verzug 54 NJ 6000 p nktlich 37 NY 5000 Standardwert Eingabetransformation Diese Trainingsf lle werden im Netz folgenderma en dargestellt Alter Staat Staat Staat Darlehens Abh ng
25. wie nachstehend beschrieben ist Vorteile von GRM PN Netzen e k nnen schnell trainiert werden e ben tigen keine Topologieangaben z B keine Angaben ber Anzahl der ausgeblendeten Schichten und Knoten e PN Netze sorgen nicht nur f r Klassifikation sondern geben auch die Wahrscheinlichkeiten zur ck dass der Fall in verschiedene m gliche abh ngige Kategorien fallen wird Vorteile von MLF Netzen e kleinere Gr e und daher schneller bei den Prognosen e zuverl ssiger au erhalb des Bereichs von Trainingsdaten z B wenn in den Trainingsdaten der Wert irgendeiner unabh ngigen Variable au erhalb des Wertbereichs f r diese Variable f llt die Prognose au erhalb des Trainingsdatenbereichs ist bei Verwendung von MLF Netzen aber trotzdem recht riskant e F higkeit aus sehr kleinen Trainingss tzen zu verallgemeinern MLF Netze gegen ber PN GRN Netzen Weitere Info ber neuronale Netzwerke 101 Eingabetransformation 102 Vor dem Training werden die numerischen Variablen durch NeuralTools entsprechend skaliert sodass sich die Werte f r jede Variable ungef hr im gleichen Bereich befinden Dadurch wird die Auswirkung ausgeglichen die Variablen w hrend der anf nglichen Trainingsstufen auf die Netzausgabe haben Wenn eine Variable nicht besonders wichtig zum Vorhersagen der richtigen Prognosen ist wird dieses w hrend des Trainings dadurch angezeigt dass die Bewertungsfaktoren der Verbindungen reduziert werden die
26. xis Kategorieunabh ngige Variablen 1 Geschlecht Numerisch unabh ngige Variablen 7 L nge Durchmesser H he Gesamtgewicht Enth lst Muschelinhalt Muschelgewicht Abh ngige Variable Numerische Var Alter Training Anzahl von F llen 3177 Trainingszeit 00 03 00 Anzahl der Versuche 37 Anhaltegrund Autom angehalten schlechter Prognosen 30 Toleranz 5 032 Mittlerer quadratischer Fehler 1 849 Mittlerer absoluter Fehler 1 279 Std Abweichung vom ABS Fehler 1 335 Datensatz Name Trainingsdaten Zeilenanzahl 3177 Handbuchfall Tags NEIN Histogramm der Residualwerte Training H ufigkeit 8 8 Bereit 2 Referenz NeuralTools Men befehle 55 F r Kategorieprognose Klassifizierung ist in den Hauptstatistiken und Diagrammen des Trainings bersichtsberichts folgendes zu finden 1 schlechter Prognosen dies ist der Prozentsatz der F lle bei denen die vorausgesagte Kategorie nicht mit der aktuellen Kategorie bereinstimmt Mittlere falsche Wahrscheinlichkeit nur in PNN Netzen verf gbar F r die einzelnen F lle berechnet NeuralTools die Wahrscheinlichkeit von falschen Kategorien wobei es sich um die Summe der Wahrscheinlichkeiten handelt die durch ein PNN Netz falschen Kategorien zugewiesen werden Wenn in irgendeinem Fall ein Netz beispielsweise 30 Wahrscheinlichkeit der Farbe Rot 20 der Farbe Gelb und 50 der Farbe Gr n zuweist und wir aber wissen dass die
27. 28 November 2009 19 17 21 Datensatz Trainingsdaten AufTrainingsdaten trainiertes Netz 2 Numerischer GRNN Pr diktor Alter der Seeohrmuschel xis 1 Geschlecht Numerisch unabh ngige Variablen 7 L nge Durchmesser H he Gesamtgewicht Enth lst Muschelinhalt Muschelgewicht Abh ngige Variable Numerische Var Alter Training Anzahl von F llen Trainingszeit Anzahl der Versuche 97 Anhaltegrund Autom angehalten S schlechter Prognosen 30 Toleranz 5 0332 Mittlerer quadratischer Fehler 1 849 Mittlerer absoluter Fehler 1 279 Std Abweichung vom ABS Fehler 1 335 Trainingsdaten Zeilenanzahl 3177 Handbuchfall Tags NEIN Variablen Auswirkungsanalyse Muschelgewicht 47 9107 14 9175 14 1118 8 6054 6 5096 4 1991 2 0205 1 7255 44 H NeuralTools bersicht 4 OO C E1 200 gt y amp Befehlsreferenz Registerkarte Netzkonfiguration Diese Registerkarte im Dialogfeld Training erm glicht Ihnen die Art von neuronalem Netzwerk auszuw hlen das auf Ihre Daten eintrainiert werden soll Sie k nnen entweder eine bestimmte Netzkonfiguration oder einfach Bestes Netz suchen w hlen Im letzteren Fall versucht NeuralTools verschiedene m gliche Konfigurationen um das Netz zu finden das f r Ihre Zwecke am besten ist In NeuralTools werden verschiedene neuronale Netzwerkkonfigurationen unterst tzt um die bestm glichen Voraussagen zu erzielen F r Klassifizierung Kategorieprognose sind zwei
28. Berichte und Diagramme in NeuralTools esesessssssesesenesesesnennsnnene 26 NeuralTools Dienstprogramme sesseseseseereseeresesssseseereseseseoseseeeeseseseeses 27 Verwendung von NeuralTools mit StatTools Solver und R 2AA a AA A E E EE T see 27 Kapitel 3 NeuralTools Referenzhandbuch 29 Einf hrung 2 22 22 ea 31 Referenz NeuralTools Symbole 33 NeuralTools Symbolleiste uurunennseannnnnnnnnnnnnnnnnnnnnannnnnnnnnnnnnnn ann 33 vi Referenz NeuralTools Men befehle 35 Einf hrung 2 2 2 nen en 35 Symbole in Dialogfeldern sssesesesessssononsnsnsoenenenenenensnnnnnnnenenennnene 36 Befehlsreferen unsseneeenneennennnnnnnenennnnnnnunnnennnennnnn nennen nn enen nn 37 Befehl Datensatzmanager sesusnsossusnesssnensnsnsnenssnsnsnsnnsnenssnsnsnnnnsnene 37 Befehl Trainieren 0ssinegenn see nn na tnneeeasnestens 43 Befehl Testen esussssssnenenesuonenssnenenessnnenesnsnennnesnenesnssennnennenesnssennnennnne 58 Befehl Voraussagen usuenesnsnssssnsnsnennsnenssnensnsnnsnenssnsnsnsnnsnenssnsnsnsnnsnens 66 Dienstprogramme uunsnnssnnnnnnnennnnnnnnnnnnnnnnnnnnnennnnannnnnnn anne anne nenn 72 Befehl Anwendungseinstellungen ususnssssnsssssensnssnsnensnsnsnennsnene 72 Befehl Neuronalnetzmanager esssnessssensnssnsnenssnonsnsnnsnenssesnsnnnesnene 76 Befehl Dienstprogramm zum Ersetzen fehlender Daten 78 Befehl Testempfindlichkeit esesesesessenenenensnnnnsnennnsnsnen
29. Er Ri Een Stat Einf gen Seitenlayout Formeln Daten berpr fen Ansicht Neuralfoos X ma ee m o3 4 Dienstprogramme E mM Z Hilfe Datensatzmanager Trainieren Testen Voraussagen Daten Neuronale Netze Tools Al is fe O a a VEN Ds E F NeuralTools Test bersicht Ausgef hrt durch Palisade Datum Samstag 28 November 2009 15 32 00 Datensatz Traii Netz Auf Trainingsdaten trainiertes Netz bersicht Netzinformationen O iN O UAWN Name Auf Trainingsdaten trainiertes Netz Konfiguration Numerischer GRNN Pr diktor Position Alter der Seeohrmuschel xis Kategorieunabh ngige Variablen 1 Geschlecht Numerisch unabh ngige Variablen 7 L nge Durchmesser H he Gesamtgewicht Enth lst Muschelinhalt Muschelgewicht Abh ngige Variable Numerische Var Alter Testen Anzahl von F llen schlechter Prognosen 30 Toleranz Mittlerer quadratischer Fehler Mittlerer absoluter Fehler Std Abweichung vom ABS Fehler Datensatz Name Zeilenanzahl Handbuchfall Tags Variablenanpassung Verw kategorieunabh Variablen Namen aus dem Training Verw numerisch unabh Variablen Namen aus dem Training Abh ngige Variable Numerische Var Alter Referenz NeuralTools Men befehle 61 62 F r die Kategorieprognose ist in den Hauptstatistiken und Diagrammen des Test bersichtsberichts folgendes zu finden 1 schlechter Prognosen dies ist der Prozentsatz der F
30. NeuralTools Professional werden nur Datens tze f r maximal 1000 Vorf lle unterst tzt w hrend die Gr e der Datens tze in NeuralTools Industrial ausschlie lich durch den verf gbaren Speicher begrenzt wird Echtzeit Prognosen die die Berechnung von vorausgesagten Werten erm glichen w hrend neue Daten in das Excel Arbeitsblatt eingegeben werden sind nur in NeuralTools Industrial verf gbar Diese Echtzeit Berechnung wird ganz automatisch vorgenommen genau wie das bei anderen Neuberechnungen in Excel der Fall ist Die Betriebssystemumgebung Dieses Benutzerhandbuch geht davon aus dass Sie allgemein mit dem Windows Betriebssystem und mit Excel vertraut sind Das hei t es wird angenommen e dass Sie sich mit dem Computer und der Maus auskennen e dass Ihnen Begriffe wie Symbol Klicken Doppelklicken Men Fenster Befehl und Objekt bekannt sind e dass Sie grundlegende Konzepte wie Verzeichnisstruktur und Dateibenennung verstehen Kapitel 1 Erste Schritte Bevor Sie anrufen Kontaktieren von Palisade Unterst tzung Allen registrierten NeuralTools Benutzern mit g ltigem Wartungsplan steht unser technischer Support kostenlos zur Verf gung Benutzer ohne Wartungsplan k nnen unseren technischen Support gegen Berechnung per Vorfall in Anspruch nehmen Um sicherzustellen dass Sie als NeuralTools Benutzer registriert sind sollten Sie die Registrierung online ber unsere Website http www palisade com support regi
31. NeuralTools verf gbar sind Ein bersichtsbericht ber die Testvorg nge enth lt beispielsweise ein Histogramm der Residualwerte bei denen es sich um die Unterschiede zwischen aktuellen und vorausgesagten Werten handelt Im Histogramm k nnte es vielleicht so aussehen als ob die Residualwerte ungef hr normal verteilt sind Um diese Hypothese der Normalverteilung zu berpr fen kann im Detailbericht einer der Normalit tstests von StatTools auf die Residualwertvariable angewendet werden Ein Beispiel hierf r befindet sich in der Datei Seeohr Altersprognose mit StatIools Analyse xIs Durch die NeuralTools Funktion Echtzeit Prognose ist leichter zu erkennen wie sich nderungen in unabh ngigen Werten auf die Prognose auswirken Mithilfe der Echtzeit Prognose k nnen andere in Excel verf gbare Tools dazu verwendet werden die Beziehung zwischen unabh ngigen und abh ngigen Variablen zu untersuchen Kapitel 2 berblick ber NeuralTools 27 28 Solver Dieses in Excel integrierte Optimierungsprogramm kann zusammen mit der NeuralTools Funktion Echtzeit Zukunftsprognose dazu verwendet werden f r in NeuralTools ausgef hrte Prognosen die optimalen Entscheidungswerte zu berechnen Die Datei Autokredite mittels Solver xIs ist daf r ein guten Beispiel In diesem Beispiel wird ein neuronales Netz verwendet um vorauszusagen ob ein Kreditnehmer p nktlich zur ckzahlen wird oder nicht Das Netzwerk gibt Ihnen aber u U nur ei
32. acht haben Falls Sie NeuralTools entfernen m chten sollten Sie in der Systemsteuerung das Dienstprogramm Software verwenden und dann den Eintrag f r NeuralTools ausw hlen Kapitel 1 Erste Schritte Erstellung der Verkn pfung in der Windows Task Leiste Konfiguration der NeuralTools Symbole oder Verkn pfungen In Windows wird durch das Setup Programm automatisch ein NeuralTools Befehl im Start Men Programme erstellt Sollten jedoch w hrend der Installation Probleme auftreten oder aber wenn Sie das Konfigurieren der Programmgruppe und Symbole zu einer anderen Zeit manuell vornehmen m chten gehen Sie bitte wie folgt vor Bei den nachstehenden Gebrauchsanweisungen wird von Windows XP Professional ausgegangen Bei anderen Betriebssystemen muss evtl etwas anders vorgegangen werden 1 2 3 4 5 6 7 Klicken Sie auf Start und zeigen Sie dann auf Einstellungen Klicken Sie auf Taskleiste und Startmen und anschlie end auf die Registerkarte Startmen Klicken Sie auf Anpassen dann auf Hinzuf gen und danach auf Durchsuchen Stellen Sie fest wo sich die Datei NeuralTools EXE befindet und doppelklicken Sie dann auf diese Datei Klicken Sie auf Weiter und doppelklicken Sie anschlie end auf das Men in dem das Programm erscheinen soll Geben Sie den Namen NeuralTools ein und klicken Sie schlie lich auf Beenden Klicken Sie in allen ge ffneten Dialogfeldern auf OK Installationsanleitung
33. amen und Speicherort f r das zu testende neuronale Netz an Neuronale Netzwerke k nnen in einer Excel Arbeitsmappe oder in einer Datei auf der Festplatte gespeichert werden Klicken Sie auf Durchsuchen um den gezeigten Namen oder Speicherort zu ndern NeuralTools Netz ffnen vorhandenes Netz zum Testen ausw hlen Aus Excel Arbeitsmappe Auf Trainingsdaten trainiertes Netz Aktive Arbeitsmappe Aus Datei Gr er gt gt Abbrechen Befehlsreferenz Variablenanpassung Variablenanpassung legt fest wie die in dem zu testenden Datensatz befindlichen Variablen den Variablen im Datensatz angepasst werden der zum Trainieren des Netzes verwendet wurde NeuralTools Variablenanpassung Automatische Anpassung C Benutzerdefinierte Anpassung Abbrechen F r die Variablenanpassung stehen zwei Optionen zur Verf gung 1 Automatische Anpassung Die Variablennamen im Testdatensatz werden namentlich den Variablen im Datensatz des trainierten Netzes angepasst und die Variablentypen werden dieser Anpassung gem eingestellt Benutzerdefinierte Anpassung Diese Methode erm glicht Ihnen die Variablen im Testdatensatz einzeln den Variablen im Datensatz des trainierten Netzes anzupassen Diese Methode wird verwendet wenn die Namen der Variablen in den beiden Datens tzen unterschiedlich oder verschiedene Zuweisungen erw nscht sind NeuralTools Variablenanpassung Automatische Anpassung Benutze
34. as Testen zusammen mit Prognose kann viel schneller als das Training ausgef hrt werden In NeuralTools wird berichtet wie erfolgreich das Programm die bekannten Datenwerte in den Testdaten voraussagen konnte Daraus k nnen Sie erkennen ob das Netzwerk ein guter Pr diktor sein wird wenn es auf F lle mit unbekannten Ausgabewerten angewendet wird Oa U9 gt Mappe3 Microsoft Excel A Start Einf gen Seitenlayout Formeln Daten berpr fen Ansicht Neuralfools z z gt R z amp pegant r z Datensatzmanager Trainieren Testen Voraussagen j Neuronale Netze Tools Auf Trainingsdaten trainiertes Netz Numerischer GRNN Pr diktor Alter der Seeohrmuschel xis Kategorieunabh ngige Variablen Numerisch unabh ngige Variablen Abh ngige Variable Testen Anzahl von F llen schlechter Prognosen 30 Toleranz Mittlerer quadratischer Fehler Mittlerer absoluter Fehler Std Abweichung vom ABS Fehler Datensatz Name Zeilenanzahl Handbuchfall Tags Variablenanpassung Verw kategorieunabh Variablen Verw numerisch unabh Variablen Kapitel 2 berblick ber NeuralTools 1 Geschlecht 7 L nge Durchmesser H he Gesamtgewicht Enth lst Muschelinhalt Muschelgewicht Numerische Var Alter Namen aus dem Training Namen aus dem Training Numerische Var Alter 23 24 Prognose Der Verwendungszweck eines neuronalen Netzwerks ist die Progn
35. automatisch auf Ihre Variablen zu verweisen damit diese in Excel nicht immer wieder erneut ausgew hlt werden m ssen In NeuralTools sind die Variablen au erdem auch nicht nur auf eine einzelne Datenspalte in einem Excel Arbeitsblatt beschr nkt Sie k nnen f r eine Variable dieselbe Spalte in bis zu 255 Arbeitsbl ttern verwenden NeuralTools Berichte Excel kann besonders gut f r Berichte und Diagramme verwendet werden und NeuralTools macht sich das sehr zu Nutze In NeuralTools werden Diagramme im Excel Format verwendet die m helos neuen Farben Schriftarten und zus tzlichem Text angepasst werden k nnen Berichtstitel Zahlenformate und Texte k nnen genau wie in jedem standardm igen Excel Arbeitsblatt m helos ge ndert werden Auch k nnen Tabellen und Diagramme aus den NeuralTools Berichten direkt in Ihre in anderen Anwendungen befindlichen Dokumente gezogen und dort abgelegt werden NeuralTools Industrial enth lt au erdem Echtzeit Prognosen was die Berechnung von vorausgesagten Werten erm glicht w hrend neue Daten in Ihr Excel Arbeitsblatt eingegeben werden Diese Echzeit Berechnung wird ganz automatisch vorgenommen genau wie das bei anderen Neuberechnungen in Excel der Fall ist Willkommen in NeuralTools f r Excel iii Datenzugriff und freigabe Excel bietet ausgezeichnete Importfunktionen Ihre bereits vorhandenen Daten k nnen daher m helos in NeuralTools importiert werden ber die standardm igen Excel F
36. baut ist In der Analyse werden diese numerischen Ausgaben verwendet 3 Bei einer numerisch unabh ngigen Variable wird in der Analyse f r jeden Fall durch den betreffenden Trainingswertbereich von Minimum bis Maximum gegangen und dabei jeweils der ver nderte vorausgesagte Wert gemessen oder im Falle einer Kategorieprognose die Ver nderung in den groben numerischen Ausgaben Die Variablen Auswirkungsanalyse ist nicht dazu da feste Schlussfolgerungen zu treffen Beispielsweise soll dadurch nicht bewiesen werden dass eine bestimmte Variable vollkommen bedeutungslos ist Diese Analyse soll nur dabei helfen den besten Satz von unabh ngigen Variablen zu finden Die Ergebnisse dieser Analyse k nnen aber vielleicht darauf hinweisen dass eine bestimmte Variable ausreichend belanglos ist sodass Sie vielleicht versuchen sollten ein Netz ohne diese Variable zu trainieren Referenz NeuralTools Men befehle 47 48 Die Ergebnisse der Variablen Auswirkungsanalyse sind im Bericht Trainings bersicht zu sehen Mappe5 Microsoft Excel iiaiai CAA Start Einf gen Seitenlayout Formeln Daten berpr fen Ansicht Neuralfoos x EEE n A 33 Dienstprogramme HE afe 35 nire Datensatzmanager Trainieren Testen Voraussagen Daten Neuronale Netze Tools Al MONEE N 4 B G u en u au E NeuralTools Neuronalnetz Training F Ausgef hrt durch Palisade Datum Samstag
37. bnisse auch bei zuf lligen Auswahlen von Testf llen stets best ndig und stabil sind Durch die Testempfindlichkeitsanalyse kann sichergestellt werden dass die guten Testergebnisse nicht nur ein Gl cksfall waren Die Testwerte k nnen von einer Sitzung zur anderen unterschiedlich sein sofern die Untergruppe von zu verwendenden Testf llen auf Zufallsauswahl beruht Je kleiner der Datensatz desto gr er die M glichkeit einer Abweichung Bei einem kleinen Datensatz sind daher die Testergebnisse aus nur einer Training Sitzung vielleicht nicht sehr zuverl ssig Durch die Testempfindlichkeitsanalyse kann festgestellt werden ob die Ergebnisse auch bei unterschiedlichen Zufallsauswahlen von Testf llen stets best ndig und stabil sind Mittels Testempfindlichkeitsanalyse kann auch entschieden werden welcher Prozentsatz an Testf llen verwendet werden sollte NeuralTools Testempfindlichkeit Datensatz Autokreditdaten Anzahl der zu trainierenden Netze Prozentsatz der zum Testen eingeplanten F lle 10 a Anzahl der f r jeden Wert zu trainierenden Netze Netzkonfiguration Netztyp PN GRN Netz v Zeitsch tzung Zuerst ein neutrales Netz trainieren um eine Zeitsch tzung f r die Testempfindlichkeitsanalyse zu erhalten 6 ok Abbrechen Das Dialogfeld Testempfindlichkeit gibt Ihnen folgende Optionen e Prozentsatz der zum Testen eingeplanten F lle zum Eingeben von mehreren Prozentwerten
38. chichten sowie einer Ausgabeschicht Ein Netz wird konfiguriert indem die Anzahl der Knoten in beiden ausgeblendeten Schichten angegeben wird Durch Auswahl von 0 Knoten kann die zweite Schicht entfernt werden da sie nur selten f r bessere Genauigkeit der Prognose erforderlich ist Durch NeuralTools kann das Netz auf Basis von Trainingsdaten automatisch konfiguriert werden Wenn m glich sollte die zeitaufw ndigere Option Bestes Netz suchen verwendet werden um nach der optimalen Konfiguration zu suchen Befehlsreferenz Registerkarte Ausf hrungszeit Referenz NeuralTools Men befehle Wenn Sie f r die zweite Schicht keine Knoten w hlen wird diese Schicht entfernt Um auf zuverl ssige Weise die beste Konfiguration eines MLFN Netzes zu finden sollte die Option Bestes Netz suchen verwendet und nicht nur ein einzelnes MLFN Netz trainiert werden Falls nicht gen gend Zeit f r Bestes Netz suchen vorhanden ist sollte Knotenanzahl auf Autom ausgew hlt eingestellt bleiben Die Registerkarte Ausf hrungszeit im Dialogfeld Training erm glicht Ihnen Anhaltebedingungen f r das Training einzugeben Wenn keine Anhaltebedingungen ausgew hlt werden wird das Training trotzdem irgendwann angehalten Die Ausf hrungszeit ist relativ kurz f r PNN GRNN Netze und erheblich l nger f r MLF Netze Es ist beispielsweise m glich keine Anhaltebedingungen zu w hlen und dann im Dialogfeld Trainings Fortschritt auf Stop zu klicken sobald kein
39. das Netz vorausgesagte Zahl oder Kategorie Wahrscheinlichkeit der vorausgesagten Kategorie f r PNN Durch neuronale Wahrscheinlichkeitsnetze wird nicht nur eine unbekannte Kategorie vorausgesagt sondern der Kategorie auch eine bestimmte Wahrscheinlichkeit zugewiesen Diese Option ist nicht verf gbar wenn die Kategorien mithilfe von mehrschichtigen Feedforward Netzwerken vorausgesagt werden Diese Option bezieht sich nicht auf numerische Prognosen Wahrscheinlichkeit von falschen Kategorien f r PNN Summe der Wahrscheinlichkeiten die durch ein PNN Netz den falschen Kategorien zugewiesen wurden Wenn in irgendeinem Fall ein Netz beispielsweise 30 Wahrscheinlichkeit der Farbe Rot 20 der Farbe Gelb und 50 der Farbe Gr n zuweist und wir aber wissen dass die richtige Antwort Rot ist dann ist der Wert in diesem Fall 20 50 70 Bei dieser Spalte handelt es sich somit um einen fallweisen Fehlermesswert f r die Kategorieprognose Dies entspricht der Spalte Residualfehler bei der numerischen Prognose Dienstprogramme 5 Residualfehler die Differenz zwischen aktuellem und vorausgesagtem Wert Das bezieht sich nicht auf die Kategorieprognose 6 Gute schlechte Auswertungen Bei der numerischen Prognose wird in dieser Spalte angezeigt ob die Prognose f r den betreffenden Fall auch in die f r den Wert definierte Spanne f llt Die Breite dieser Spanne wird Toleranz f r gute schlechte Bewertung genannt Bei der Ka
40. daten enthaltenden Datensatz befindlichen Variablen den Variablen in dem Datensatz angepasst werden sollen der zum Trainieren des Netzes verwendet wurde Klicken Sie auf Bearbeiten um die Anpassung der Variablen zu ndern Weitere Informationen ber Variablenanpassung sind in diesem Kapitel unter dem Befehl Testen zu finden e Voraussagen f r w hlt die F lle aus f r die die Prognosen vorgesehen sind In der Regel werden F lle vorausgesagt bei denen es um fehlende abh ngige Variablenwerte geht aber Sie k nnen auch eine Prognose f r alle F lle vornehmen selbst f r solche in denen der Wert der abh ngigen Variable bekannt ist Wenn sich eine Tag Variable in dem Datensatz befindet werden die Werte der abh ngigen Variable nur f r solche F lle vorausgesagt die mit dem Tag voraussagen markiert sind e Optionen sind zum Einstellen von Optionen f r den Speicherort des vorausgesagten Wertes und f r die Echtzeit Prognose da 1 Vorausgesagte Werte direkt im Datensatz platzieren Durch diese Option wird festgelegt dass die vorausgesagten Werte direkt am Speicherort der abh ngigen Variable im Datensatz der einzelnen Prognosef lle und au erdem vielleicht auch im Detailbericht platziert werden sollen sofern unter Zu erstellende Berichte in Anwendungseinstellungen die Option Detailberichte ausgew hlt wurde Hierdurch wird der aktuelle Inhalt der Zelle berschrieben Bei dieser Option sollte man daher Vorsicht wal
41. den die durch Auswahl unterschiedlicher Testf lle entstehen kann Bei Auswahl dieses Kontrollk stchens kann eine Zahl eingegeben werden was bedeutet dass eine feststehende Auswahl an Testf llen verwendet wird die Zahl ist die Ausgangszahl f r Zufallswerte Befehlsreferenz Durch Nach bestem Netz suchen wird eine feststehende Auswahl an Testf llen f r den Vergleich mehrerer Netze verwendet Es spielt dabei keine Rolle ob dieses Kontrollk stchen aktiviert ist oder nicht Fehlende abh ngige Werte automatisch voraussagen legt fest dass das trainierte Netz zum Voraussagen von abh ngigen Variablenwerten verwendet werden soll und zwar entweder 1 f r F lle in denen der Wert der abh ngigen Variable nicht vorhanden ist oder 2 f r F lle in denen die Tag Variable voraussagen vorhanden ist Bei einer Tag Variable handelt es sich um einen Variablentyp der im Datensatzmanager spezifiziert ist Echtzeit Prognose aktivieren legt fest dass NeuralTools entsprechende Formeln in den Zellen platzieren wird in denen die vorausgesagten abh ngigen Variablen zu sehen sind um so die vorausgesagten Werte zu berechnen Weitere Informationen ber Echtzeit Prognose sind in diesem Kapitel unter dem Befehl Voraussagen zu finden Variablenauswirkung berechnen legt fest dass NeuralTools beim Bestimmen der durch das Netz berechneten Prognosen die relative Auswirkung der einzelnen unabh ngigen Variablen im Trainingsdat
42. e 19 Trainingsprozess sussesssneenennenensonenensnneneneonenensnnenensnenennenenennn 20 Trainingsberichte ssssesesesesnsnonsnsesnsnenenenenensnnnnnnnnnenenennnene 21 Testen eines Netzwerks uesesesssssesesesnenenenenensnnnnnnnenensnsnenenenenesnenensnnnne 22 Testberichten einser eari a a rE 23 Prognose sesessesesssnenensenenessonenensnnenensonenentnnenensnsnentnnenensnsnensnnnsensnsnenennnne 24 Prognoseergebnisse esesesesosnenenenensnenenenesesnonononsnsnsnenenenenenennnee 25 Echtzeit Prognose esesesesesoonenenononenenenenesesonononsnsnsnenenenenenennnee 25 Berichte und Diagramme in NeuralTools esesesssseseseseseseseseennsnnene 26 NeuralTools Dienstprogramme ssesssnsnesnsnsnsssensnsnnsnenssnensnsnnsnennnnnn 27 Verwendung von NeuralTools mit StatTools Solver und Evolver eesesesssssssssssnenenesesssnononsnsnsnsnenenenensnsnsnsnnnnnnnnnssnenenenenssnenensnnene 27 Kapitel 2 berblick ber NeuralTools 11 12 berblick NeuralTools bietet Ihnen leistungsstarke neuronale Netzwerkf higkeiten in einer Ihnen bekannten Umgebung dem Microsoft Excel Programm Die NeuralTools Verfahren wie z B das Definieren von Datens tzen Training und Testen von neuronalen Netzwerken und Voraussagen von Werten mittels entsprechend trainierter Netzwerke k nnen in Excel an Ihren Daten ausgef hrt werden und die Berichte und Diagramme aus Ihren Analysen werden ebenfalls in Excel erstellt Warum neuronale Netzwe
43. e Tag eine Variable bei deren m glichen Werten es sich um Trainieren Testen oder Voraussagen handelt Dieser Variablentyp wird dazu verwendet F lle in einem Datensatz zu identifizieren die f r Training Testen oder Prognose verwendet werden e Unbenutzt eine Variable in einem Datensatz der im neuronalen Netz nicht verwendet wird Tag Variablen sind besondere Variablen in einem NeuralTools Datensatz die dazu verwendet werden F lle im Datensatz zu identifizieren die f r Training Testen und Prognose verwendet werden Diese Variablen sind besonders n tzlich wenn sich alle f r Netzwerk Training Testen und Prognose zu verwendenden Daten in nur einem Datensatz befinden sollen Wenn Sie mit einer Tag Variablen arbeiten w hlt NeuralTools solche F lle aus die f r Training Testen oder Prognose verwendet werden Durch nderung der Werte einer Tag Variablen k nnen Sie ein Netzwerk unter Verwendung anderer F lle neu trainieren und auch sehen wie sich die Leistung des Netzwerks entsprechend ndert Auch k nnen Sie neue F lle mit unbekannten abh ngigen Variablenwerten zu einem Datensatz hinzuf gen und diese mittels Tag Voraussagen prognostizieren lassen Eine Tag Variable kann nur drei m gliche Werte enthalten e Trainieren legt fest dass der Fall zum Training verwendet wird e Testen legt fest dass der Fall zum Testen verwendet wird e Voraussagen legt fest dass der Fall zur Prognose v
44. e Zeit mehr zum Training vorhanden ist Bei der Option Bestes Netz suchen muss eine Zeitbegrenzung f r das Training von Netzen definiert werden um sicherzustellen dass der Suchalgorithmus nicht zu viel Zeit f r eine bestimmte Konfiguration verbraucht Die drei verf gbaren Anhaltebedingungen k nnen kombiniert werden um anzugeben dass NeuralTools anhalten soll sobald eine der Bedingungen erreicht ist NeuralTools Training Trainieren Netzkonfiguration Ausf hrungszeit Training Ausf hrzeit 2 Stunden Gesamtzeit f r Bestes Netz suchen 12 Stunden f r 6 Netze versuche 1000000 I Fortschritt der Fehler nderung Minuten 51 F r Training Ausf hrzeit sind folgende Optionen verf gbar e Zeit legt eine bestimmte Zeitgrenze f r das Trainieren eines Netzwerks fest Das Training wird aber evtl schon fr her angehalten wenn der Algorithmus erkennt dass wahrscheinlich kein weiterer Fortschritt erzielt werden kann Bei Verwendung von Bestes Netz suchen wird jede getestete Konfiguration entsprechend der eingegebenen Zeitspanne trainiert e Versuche legt fest dass NeuralTools nicht mehr als die angegebene Anzahl an Versuchen ausf hren soll bevor angehalten wird Bei mehrschichtigen Feedforward Netzwerken handelt es sich bei einem Versuch um eine einzelne Zuweisung von Bewertungsfaktoren an die Verbindungen zwischen Neuronen Das Training besteht aus einer intelligenten Suche nach Bewertung
45. el funktioniert und wie Datens tze definiert werden mit deren Hilfe neuronale Netzwerke trainiert und getestet werden k nnen Anschlie end werden wir dann mithilfe von trainierten Netzwerken unbekannte Ausgabewerte voraussagen berblick NeuralTools Men und NeuralTools Symbolleiste In Excel 2007 sind alle Befehle ber die NeuralTools Befehlsleiste verf gbar Microreht Excel Sah Einf gen Seitenlayout Fomein Daten berpnen Ami tirurafooh x 4 A y FF Dvemtprogramme gt re Datensatzmanager Trainieren Testen Voraunugen Daten Neuronake Netze Toots 0 195 T 0 065 0 1195 0 0 13 0 606 0 0 09 0 651 on 0 4555 0 16 1 2415 o 0565 0445 0 125 0 8305 0 sem 06 osa 0 188 1 6195 WER N Trainingsdaten Testdaten _ Prognossdaten Newaifoot ibera 3 Seren Datens tze und Datensatzmanager In NeuralTools sind die Daten den F llen und Variablen gem strukturiert Sie arbeiten mit einem Datensatz oder einem Satz von statistischen Variablen die sich in zusammenh ngenden Spalten mit verschiedenen Namen befinden Die Namen der Variablen sind in der ersten Zeile des Datensatzes zu sehen Bei jeder Zeile im Datensatz handelt es sich um einen Fall Jeder Fall ist mit einem Satz von unabh ngigen Variablenwerten und entweder einem bekannten oder nicht bekannten fehlenden Wert f r die abh ngige Ausgabevariable versehen Es ist die Aufgabe von NeuralTools Werte f r Ausgabevar
46. en angegeben und zwar unter den Einstellungen f r Zu erstellende Berichte und Spalten in detaillierten Berichten e Detaillierter Prognosebericht Dieser Bericht wird neben dem Prognosedatensatz platziert Er kann als Speicherort f r Prognosen verwendet werden wenn der Benutzer diese nicht innerhalb der abh ngigen Variable im Datensatz selbst platzieren m chte Falls die abh ngige Variable Verlaufsdaten f r bestimmte F lle enth lt ist es vielleicht sicherer diese Verlaufsf lle nicht mit den Netzprognosen zu kombinieren MAT a Altei Start Einf gen Seitenlayout Formeln Daten berpr fen Ansicht NeuralTools o x 33 it m Dienstprogramme Su Zee Datensatzmanager Trainieren Testen Voraussagen eeohrmuschel xis Kompatibilit tsmodus Microsoft Excel eE Daten Neuronale Netze Tools Ivoraussagen voraussagen voraussagen vononswm 4 m Traningsdaten Testdaten Prognosedaten NeuralTools bersicht__ J Beret 2I caa z Wenn Sie mehrere Prognosen ausf hren k nnen in neuen Spalten rechts vom Datensatz entsprechende Detailberichte hinzugef gt werden sodass Sie feststellen k nnen wie die Prognosen f r die einzelnen F lle sich ndern wenn neu trainierte Netze verwendet werden Befehlsreferenz Referenz NeuralTools Men befehle 71 Dienstprogramme 72 Befehl Anwendungseinstellungen Legt die Einstellungen f r Training
47. en in der ersten und 3 Neuronen Knoten in der zweiten ausgeblendeten Schicht konfiguriert Ausgabe 2 ausgebl Schicht 1 ausgebl Schicht Eingaben Das Verhalten des Netzes wird bestimmt durch e die Topologie des Netzes d h durch die Anzahl der ausgeblendeten Schichten und die Anzahl der Knoten in diesen Schichten e die Bewertungsfaktoren f r die Verbindungen jeder Verbindung ist ein Parameter zugewiesen und die Beeinflussungsbedingungen jedem Neuron ist ein Parameter zugewiesen Mehrschichtige Feedforward Netze e die Aktivierungs bertragungsfunktion die dazu verwendet wird die Eingaben in jedes Neuron in die entsprechende Ausgabe zu konvertieren Insbesondere wird ein ausgeblendetes Neuron mit n Eingaben zuerst folgende gewichtete Summe der Eingaben berechnen Sum ino wo in w inn Wn bias wobei es sich bei ino bis inn um Ausgaben von Neuronen in der vorherigen Schicht und bei wo bis wn um Verbindungsbewertungsfaktoren handelt Jedes Neuron hat seinen eigenen Beeinflussungswert Anschlie end wird die Aktivierungsfunktion auf Sum angewendet um die Ausgabe des Neurons zu erzeugen In Neuronen die sich in ausgeblendeten Schichten befinden wird eine S f rmige Funktion als Aktivierungsfunktion verwendet Genauer genommen wird in NeuralTools die hyperbolische Tangentenfunktion verwendet In NeuralTools verwendet das Ausgabeneuron die Einheit als Aktivierungsfunktion Mit anderen Worte
48. en muss Beispiele hierf r sind z B Aktienkursprognosen und Umsatzvoraussagen f r eine zuk nftige Zeitperiode Neuronalnetze werden u a in folgenden Anwendungen eingesetzt B rsenprognosen Zuweisungen von Kredit und Darlehensrisiken Aufdeckung von Kreditbetrug Umsatzprognosen allgemeinen Gesch ftsprognosen Investitionsrisiken medizinischen Diagnosen wissenschaftlichen Untersuchungen und Kontrollsystemen NeuralTools ist mit den neuesten Neuronalnetz Algorithmen ausgestattet um die besten Prognosen bei numerischen und Klassifizierungsproblemen vornehmen zu k nnen Klassifizierungsprobleme werden in NeuralTools Kategorieprognosen genannt Willkommen Datenverwaltung in NeuralTools NeuralTools stellt direkt in Excel einen umfangreichen Datensatz und auch die entsprechende Datenverwaltung zur Verf gung Das entspricht ungef hr der Vorrichtung in Statlools dem durch Palisade verf gbaren Statistik Add In f r Excel Sie k nnen in Excel direkt von den Daten aus die Anzahl der Datens tze nebst Variablen definieren die analysiert werden sollen NeuralTools wertet dann auf intelligente Weise Ihren Datenblock aus und schl gt gleichzeitig die Variablennamen und typen sowie auch die Datenspeicherorte vor Ihre Datens tze und Variablen k nnen sich in verschiedenen Arbeitsmappen und Arbeitsbl ttern befinden Mit anderen Worten Sie k nnen Ihre Daten wie gew nscht einrichten Anschlie end setzen Sie Neuronalnetze daf r ein
49. endete Schicht ist f r die meisten Probleme ausreichend Die Verwendung von zwei Schichten verursacht oft unn tig lange Trainingszeiten Auch sind einige wenige Neuronen in einer einzigen ausgeblendeten Schicht meistens ausreichend Durch NeuralTools kann die Netztopologie auf Basis von Trainingsdaten automatisch konfiguriert werden Die Option Bestes Netz suchen bietet jedoch eine zuverl ssigere Methode Bei Bestes Netz suchen wird eine Reihe von Einzelschicht Netzen mit unterschiedlich vielen Neuronen trainiert Standardm ig handelt es sich dabei um f nf MLF Netze mit 2 bis 6 ausgeblendeten Neuronen Falls gen gend Zeit verf gbar ist k nnen mehr Neuronen verwendet werden aber es ist zu empfehlen mit einem 2 Neuronen Netz zu beginnen um ein bertrainieren zu vermeiden Der Ausdruck bertrainieren bezieht sich auf eine Situation in der das Netz nicht nur die allgemeine Sachlage der Beziehung zwischen den unabh ngigen und den abh ngigen Variablen erkennt sondern auch Fakten ber Trainingsf lle die nicht allgemeine Anwendung finden k nnen Mit anderen Worten solche Fakten treffen nicht auf F lle zu die nicht in dieses Training einbezogen sind Um auf dieses Problem einzugehen wird der Testsatz mitunter in den W hrend des Trainings Satz und den ordnungsgem en Testsatz unterteilt der dann nach dem Training verwendet wird W hrend des Trainings wird der Fehler im W hrend des Trainings Satz dann p
50. enenenenennenensene 81 Weitere Info ber neuronale Netzwerke 84 Grundlagen des neuronalen Netzwerks mnsssnennnnnnnnnnnnnnnn nn 84 Neuronale Netze gegen ber statistischen Methoden 85 Struktur eines neuronalen Netzes usnesssnssssssnsnsnesnenssnsnsnsnesnennsnnen 85 Numerische und Katagorieprognosen enesssnessssensnennsnenssnensnennsnene 86 Trainieren eines Netzes usessessssesnensenesnennenesnennenssnennenesnennenssnennnnsnene 86 Computerverarbeitung von neuronalen Netzen eseseseseseenenenenene 87 Arten von neuronalen Netzwerken susosssssnssnessensnnsnssnsnnsnssnsnnsanee 87 Mehrschichtige Feedforward Netze uunsuesnnsnnannnnnnnnnnnnnnnnnnnnnnnnn 88 MLEF Architektur usesesnensnsssonesssnenenenssnenssnsnennnennenssnsssnsnsnnenssnsesnnnenunne 88 Training eines MLF Netzes eeesessesnsssenesnensonesnennonssnennenesnennenesnennenenn 90 Verallgemeinerte neuronale Regression GRM und Wahrscheinlichkeits PN Netze uununsssssnnnneennnnnnnnnannnnennnnnn 94 Verallgemeinerte neuronale Regressionsnetze sssneseseseenenensnsene 94 Neuronale Wahrscheinlichkeitsnetzwerke usesesnsesesnenssesnsnennsnen 97 MLF Netze gegen ber PN GRN Netzen uussrssnsnnnnnnnannnnnannnnnne 100 Eingabetransformation unnssrennnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn nenn 102 Empfohlene Lekt re unsunssasnnnnnanennnnnnnnnnnnnnnnnnnnnnnnnnnnannnnnannnnnn 104 Index 106
51. ensatz mit einbeziehen soll Referenz NeuralTools Men befehle 45 Welche Bedeutung hat die Variablen Auswirkungs analyse 46 Der Zweck der Variablen Auswirkungsanalyse ist es die Empfindlichkeit der Netz Prognosen hinsichtlich Ver nderungen in den unabh ngigen Variablen zu messen Diese Analyse bezieht sich nur auf die Trainingdaten Auf Basis dieser Analyse wird den einzelnen unabh ngigen Variablen jeweils ein Wert f r relative Variablenauswirkung zugewiesen Dies sind prozentuale Werte die insgesamt 100 ergeben Je niedriger der Prozentsatz einer gegebenen Variable desto geringer ist auch die Auswirkung dieser Variable auf die Prognosen Die Ergebnisse dieser Analyse k nnen dazu verwendet werden einen neuen Satz von unabh ngigen Variablen auszuw hlen durch den dann genauere Prognosen m glich sind Eine Variable mit geringer Auswirkung kann z B durch irgendeine neue Variable ersetzt werden Es muss dabei jedoch ber cksichtigt werden dass sich die Ergebnisse der Auswirkungsanalyse nur auf das betreffende Netz beziehen Die Tatsache dass ein gewisses Netz erfolgreich trainiert wurde eine bestimmte Variable nicht zu ber cksichtigen bedeutet wahrscheinlich dass ein anderes Netz ebenfalls entsprechend trainiert werden kann Es kann aber auch passieren dass durch eine andere Trainingssitzung mit anderer Netzart entdeckt wird wie diese Variable trotzdem evtl erheblich zu akkuraten Prognosen beitragen
52. eriodisch neu berechnet Wenn dieser Fehler sich allm hlich erh ht ist daraus zu erkennen dass das Netz allm hlich bertrainiert wird Das Training wird daraufhin angehalten Mehrschichtige Feedforward Netze In NeuralTools wird eine andere Methode verwendet um das bertrainieren zu verhindern Das Arbeiten mit den beiden Tests tzen ist oft unrealistisch da typischerweise nicht gen gend Daten vorhanden sind um diese in einen Trainingssatz und zwei Tests tze aufzuteilen Auch ist die Erh hung des Fehlers im W hrend des Trainings Satz kein zuverl ssiger Indikator f r das bertrainieren Die Erh hung des Fehlers k nnte z B nur lokal sein Das heift der Fehler k nnte sich u U durch weiteres Trainieren weiter verringern In NeuralTools ist die Funktion Bestes Netz suchen am besten dazu geeignet das bertrainieren zu verhindern Wenn die standardm igen Einstellungen verwendet werden benutzt Bestes Netz suchen zuerst ein Netz mit zwei Neuronen das normalerweise zu klein ist um bertrainiert werden zu k nnen Mithilfe der Standardeinstellungen k nnen auf diese Weise Netze mit bis zu 6 Neuronen trainiert werden Falls Netze mit 5 oder 6 Neuronen berm ig trainiert werden ist das in den Ergebnissen aus dem Einzeltestsatz zu sehen Eines der Netze mit 2 3 oder 4 Neuronen wird den geringsten Testfehler aufweisen Weitere Info ber neuronale Netzwerke 93 Verallgemeinerte neuronale Regression GRM und Wah
53. erischer GRNN Pr diktor Variablen KAT Geschlecht i Kategorieunabh ngige Variable NUM L nge 3 g ltige Kategorien NUM Durchmesser NUM H he NUM Gesamtgewicht NUM Enth lst a v R u M Abbrechen Neuronale Netzwerke k nnen in einer Excel Arbeitsmappe oder in einer Datei auf der Festplatte gespeichert werden In einer Excel Arbeitsmappe k nnen beliebig viele Netzwerke platziert werden Mithilfe des Neuronalnetzmanagers k nnen Sie Netze in neue Arbeitsmappen oder Dateien ziehen bzw die Netze l schen oder ersetzen Dadurch sind Sie in der Lage m helos Datens tze in anderen Arbeitsmappen zu analysieren und zwar durch Verwendung von bereits bestehenden trainierten Netzwerken Die Arbeitsmappe mit den Trainingsdaten braucht dabei nicht vorliegen Dienstprogramme Im Neuronalnetzmanager sind folgende Optionen verf gbar e Kopieren kopiert ein trainiertes neuronales Netzwerk an einen anderen Speicherort Sie brauchen zu diesem Zweck nur die Arbeitsmappe oder Datei ausw hlen in der das Netzwerk platziert werden soll NeuralTools neue Netzposition ausw hlen Auf Trainingsdaten trainiertes kopieren Alter der Seeohrmuschel xIs Aktive Arbeitsmappe Alter der Seeohrmuschel xis An Datei e Entfernen l scht das betreffende trainierte neuronale Netzwerk e Ersetzen berschreibt ein trainiertes neuronales Netzwerk durch ein neues Netzwerk Diese Funktion ist bei Netzen
54. ertes neuronales Regressionsnetz trainiert PN GRN Netze Funktionieren in hnlicher Weise Jeder Trainingsfall wird durch ein Element einen Knoten im Netz dargestellt In einem Fall mit unbekanntem abh ngigen Wert wird die Prognose durch Interpolation der Trainingsf lle ausgef hrt und zwar wird dabei bei angrenzenden F llen mit einem h heren Wahrscheinlichkeitsfaktor gearbeitet W hrend des Trainings wird nach optimalen Interpolationsparametern gesucht PN GRN Netze haben den gro en Yorteil dass sie im Gegensatz zu MLF Netzen keine Konfiguration ben tigen Die Genauigkeit der Prognosen aus PN GRN Netzen ist in der Regel jedoch genauso gut wie die aus MLF Netzen In NeuralTools ist die Auswahl einer Netzwerkkonfiguration nicht sehr kompliziert da die Suchoption Bestes Netz verwendet werden kann Bei Auswahl von Bestes Netz werden durch NeuralTools verschiedene Neuronalnetz Konfigurationen trainiert und getestet um das Netzwerk zu erstellen aus dem sich die besten Prognosen f r Ihre Daten ergeben Die beste Konfiguration wird durch das Testen berblick Trainings Vorschau der Daten herausgefunden F r die Suche mittels Bestes Netz muss daher auf der Registerkarte Trainieren die Option Autom testen ausgew hlt werden Sobald die Optionen f r Training und Netzwerkkonfiguration ausgew hlt sind wird in NeuralTools eine Vorschau dar ber angezeigt was w hrend des Netzwerk Trainings ausgef hrt wird Da das Traini
55. erwendet wird Hinweis Wenn sich in Ihrem Datensatz eine Tag Variable befindet ndern sich dadurch die Optionen im Dialogfeld Training Weitere Informationen sind unter dem Befehl Trainieren zu finden Referenz NeuralTools Men befehle 41 F higkeiten von In einer NeuralTools Sitzung kann mit Folgendem gearbeitet werden Datensatz und Variablen e bis zu 256 Datens tzen in einer Arbeitsmappe e bis zu 16384 Variablen pro Datensatz in Excel 2007 aber nur 256 Variablen in den fr heren Excel Versionen Alle Daten f r einen Datensatz m ssen sich in derselben Arbeitsmappe befinden e Anzahl der Datenpunkte pro Variable und Anzahl der F lle pro Datensatz ist in Excel 2007 nur durch den verf gbaren Speicherplatz begrenzt in fr heren Excel Versionen sind 16 777 216 Datenpunkte m glich Die wirklichen Datenkapazit ten sind je nach Systemkonfiguration und verwendeter Excel Version evtl geringer als die vorstehend angegebenen Die Speicherbegrenzungen von Excel k nnen sich ebenfalls auf die Datenkapazit ten auswirken Hinweis Im Dialogfeld Datensatzmanager sind alle in der aktiven Arbeitsmappe befindlichen Datens tze und Variablen aufgelistet es handelt sich dabei um die oben im Dialogfeld Datensatzmanager angegebene Arbeitsmappe Um in anderen Arbeitsmappen befindliche Datens tze auflisten zu k nnen muss die gew nschte Arbeitsmappe in Excel aktiviert und dann im Dialogfeld Datensatzmanager angezeigt werden ao
56. esessseononononsesnenenenenensnsnnnnnnnnnnensssnenenenenssnenensnnnne 66 Dienstprogramme uursuunnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnannnnn 72 Befehl Anwendungseinstellungen sesesesesesosoenensnsneneneneneneonensnnene 72 Befehl Neuronalnetzmanager eesesesesenesensnnsnsnenenensnenenenenensnnonensnnene 76 Befehl Dienstprogramm zum Ersetzen fehlender Daten 78 Befehl Testempfindlichkeit uesesesssesenenensnnsnenennnensnsnenenenennsnenensnnene 8 Weitere Info ber neuronale Netzwerke 84 Kapitel 3 NeuralTools Referenzhandbuch 29 30 Einf hrung In diesem Kapitel werden die in NeuralTools verwendeten Symbole Befehle und Statistikfunktionen beschrieben Das Kapitel ist in zwei Abschnitte unterteilt 1 Referenz NeuralTools Symbole 2 Referenz NeuralTools Men befehle Kapitel 3 NeuralTools Referenzhandbuch 31 32 Referenz NeuralTools Symbole NeuralTools Symbolleiste Die NeuralTools Symbole werden dazu verwendet Datens tze mit F llen und Variablen zu definieren und dann neuronale Netzwerke zu erstellen und auf diese Daten anzuwenden NeuralTools Symbole sind in der Excel Symbolleiste bzw in einer Befehlsleiste in Excel 2007 zu finden In diesem Abschnitt wird jedes Symbol kurz beschrieben und werden dabei die Funktionen die dadurch ausgef hrt werden dargelegt Auch werden die entsprechenden Men befehle beschrieben In Excel 2007 sind alle Befehle ber die NeuralTool
57. euronale Netz aus Elementen die jeweils eine Anzahl von Impulsen erhalten Daraus ergibt sich eine Ausgabe die eine verh ltnism ig einfache Funktion der Eingaben darstellt 84 Grundlagen des neuronalen Netzwerks Neuronale Netze gegen ber statistischen Methoden Neuronale Netze stellen eine Alternative zu den herk mmlicheren statistischen Methoden dar Genau wie die lineare Regression werden diese Netze zur Funktionsann herung verwendet Und genau wie die Diskriminanzanalyse und die logistische Regression werden sie auch zur Klassifizierung verwendet Neuronale Netze haben den Vorteil dass durch sie u erst komplexe Funktionen modelliert werden k nnen was bei den herk mmlichen linearen Techniken d h bei der linearen Regression und der linearen Diskriminanzanalyse nicht der Fall ist Die Techniken zum Optimieren von linearen Modellen waren gut bekannt bevor die k nstlichen neuronalen Netze in der Mitte des 20 Jahrhunderts entwickelt wurden Diese Entwicklung nahm viele Jahre in Anspruch bis schlie lich ausreichend wirksame Algorithmen f r das Training von neuronalen Netzen verf gbar waren Heutzutage k nnen wir jedoch mit vielen hoch entwickelten Algorithmen f r das Training von neuronalen Netzen arbeiten wodurch diese Netze zu einer attraktiven Alternative zu den herk mmlicheren Methoden geworden sind Struktur eines neuronalen Netzes Die Struktur eines neuronalen Netzes besteht aus verbundenen Einheiten die Kn
58. eziehen die den einzelnen m glichen Kategorien zugewiesen wurden Falsche bezieht sich auf Befehlsreferenz die Summe der Wahrscheinlichkeiten f r alle falschen Kategorien Klassifizierungs Matrix vergleicht die aktuellen mit den vorausgesagten Kategorien und zwar von Kategorie zu Kategorie Die Klassifizierungs Matrix k nnte z B zu erkennen geben dass ein Netz wie vorgesehen irgendeine Krankheit in Patienten erkennt aber die Tendenz hat diese Krankheit f lschlicherweise mitunter auch f r gesunde Patienten anzuzeigen Variablenauswirkung zeigt die relative Auswirkung von unabh ngigen Variablen auf vorausgesagte Ergebnisse an Histogramm der Wahrscheinlichkeit von falschen Kategorien nur bei PNN Netzen verf gbar weitere Informationen ber Wahrscheinlichkeit von falschen Kategorien finden Sie vorstehend unter Mittlere falsche Wahrscheinlichkeit F r Numerische Prognose ist in den Hauptstatistiken und Diagrammen des Berichts Trainings bersicht Folgendes zu finden 1 schlechter Prognosen Eine Prognose wird als schlecht angesehen wenn sie nicht in die f r den aktuellen Wert definierte Spanne f llt Die Breite dieser Spanne wird durch die Einstellung f r Gute schlechte Toleranz Training im Dialogfeld Anwendungseinstellungen definiert Mittlerer quadratischer Fehler ein Messwert f r die Abweichung von Prognosen vom aktuellen Wert wird als Quadratwurzel der durchschnittlichen quadratische
59. fe von bestimmten Netzwerkoptionen bessere Leistungen durch trainierte Netzwerke erzielt werden d h die Netzwerke sind dann effizienter im Voraussagen von Ausgabewerten Durch das Testen das nach dem Training vorgenommen wird ist klar zu erkennen wie leistungsf hig Ihr trainiertes Netzwerk im Voraussagen von Ausgabewerten ist NeuralTools Training mym Trainieren Netzkonfiguration Ausf hrungszeit Datensatz Autokreditdaten Netz speichern als Auf Autokreditdaten trainie Bis Aktive Arbeitsmapg Durchsuchen Wenn Training beendet ausgew hlter F lle 20 J Dieselben Vorf lle w hlen solange diese Zahl dieselbe ist IV Fehlende abh ngige Werte automatisch voraussagen IV Echtzeit Prognose aktivieren J Vorausgesagte Werte direkt im Datensatz platzieren Auswirkungen der Variablen berechnen AR reden Das Training eines neuronalen Netzwerks zusammen mit dem Testen und der Prognose macht es erforderlich dass Sie ein Datensatz angeben dessen Daten zum Training verwendet werden sollen Das trainierte Netzwerk wird durch NeuralTools entweder direkt in Ihrer Arbeitsmappe gespeichert oder falls Sie m chten in einer Datei auf der Festplatte Kapitel 2 berblick ber NeuralTools 17 Kombinieren Trainieren Testen und Voraussagen Konfigurationen des Netzes 18 Wenn sich alle Ihre Daten in nur einem Datensatz befinden einschlie lich der bekannten Verlaufsdaten u
60. gelassen Das Training beginnt damit dass ein ganz zuf llig gew hlter Satz von Verbindungsbewertungsfaktoren zugewiesen wird Es wird dann eine Zukunftsprognose f r jeden Trainingsfall vorgenommen indem unabh ngige Werte eingegeben werden um die Ausgabe zu erhalten Diese Ausgabe wird sich wahrscheinlich vom bekannten abh ngigen Wert unterscheiden F r jeden Trainingswert haben wir daher einen Fehlerwert Aus diesen Fehlerwerten errechnen wir einen Fehlermesswert f r den gesamten Trainingssatz Daraus ergibt sich wie gut das Netz bei Verwendung der anf nglichen Bewertungsfaktoren funktioniert Das Netz wird wahrscheinlich bei der anf nglichen rein zuf lligen Zuweisung von Bewertungsfaktoren nicht sehr erfolgreich sein Wir gehen daher zu weiteren Versuchen mit anderen Zuweisungen von Bewertungsfaktoren ber Diese Zuweisungen von Bewertungsfaktoren sind jetzt jedoch nicht mehr rein zuf llig sondern werden durch unseren Trainings Algorithmus festgelegt d h durch die Methode zur Auswahl von Verbindungsbewertungsfaktoren auf Basis de Ergebnisse aus den vorherigen Versuchen Wir haben es hier mit einem Optimierungsproblem zu tun Wir m chten den Fehlermesswert durch nderung der Verbindungsbewertungsfaktoren minimieren Mehrschichtige Feedforward Netze Verlaufshintergrund Fehlermesswerte Trainingszeit Der erste erfolgreiche Algorithmus f r das Training von Verbindungsbewertungsfaktoren in MLF Netzen war die Fehlerf
61. gen Datensatzinformationen Netzposition Aktive Arbeitsmappe Name Trainingsdaten Name Auf Trainingsdaten trainiertes Netz Handbuchfall Tags NEIN Typ Numerischer GRNN Pr diktor Zeilenanzahl 3177 Kategorieunabh ngige Yariablen 1 Geschlecht Anzahl g ltiger Testf lle 3177 Numerisch unabh ngige Variablen 7 L nge Durchmesser H t Kategorieunabh Var 1 Geschlecht Berichte bersicht JA Detailliert JA Num unabh Yar 7 L nge Durchme Abh Var Alter Anpassung unabh ngiger Yariablen Yariablenanpassung ist automatisch Fehler und Warnungen lt lt Zur ck Abbrechen 60 Befehlsreferenz Testberichte Nach dem Testen k nnen bersichts und Detailberichte erstellt werden Durch diese Berichte sind Einzelheiten ber die Leistung des dem Testdatensatz entsprechend trainierten neuronalen Netzwerks zu sehen Der aktuelle Inhalt der erstellten Berichte wird im Dialogfeld Anwendungseinstellungen angegeben und zwar unter den Einstellungen f r Zu erstellende Berichte und Spalten in detaillierten Berichten Der Detailbericht ist besonders beim Testen recht praktisch weil aus diesem Bericht zu erkennen ist wie gut das trainierte Netz die einzelnen Ausgabewerte im Testdatensatz vorausgesagt hat e Test bersichtsbericht In diesem Bericht sind Statistiken und Diagramme ber die Leistung des trainierten neuronalen Netzes in Bezug auf den Testdatensatz zu finden 9 de F Mappe3 Microsoft Excel
62. iablen Geschlecht F U NUM L nge NUM Durchmesser NUM H he NUM Gesamtgewicht NUM Enth lst Kategorieunabh ngige Variable 3 Kategorien F Fehler und Warnungen WARNUNG Zu entfernendes Netz Auf Trainingsdaten trainiertes Netz 2 Das Netz Auf Trainingsdaten trainiertes Netz 2 wird aus der aktiven Arbeitsmappe entfernt lt lt Zur ck Abbrechen Referenz NeuralTools Men befehle 53 Fenster Trainings In dem Fenster Training l uft wird ber den Status des Netzwerk Fortschritt Trainings berichtet w hrend dieses ausgef hrt wird Durch Diagramme wird detailliert gezeigt welchen Fortschritt NeuralTools beim Verbessern des Netzwerks und Reduzieren des berichteten Fehlers macht Im Fenster Training l uft wird ber den Fehlerwert im Trainingssatz berichtet Wenn Sie nderungen in diesem Wert beobachten kann dadurch kein direkter R ckschluss auf die Qualit t der Prognosen gezogen werden die das Netz in Bezug auf nicht im Training verwendete F lle stellen wird Solche R ckschl sse sollten jeweils auf Basis des Fehlerwertes im betreffenden Testdatensatz gezogen werden Bei numerischen Prognosen ist der im Fenster Training l uft berichtete Fehlerwert der auf Basis der skalierten Daten festgestellte Wert des mittleren quadratischen Fehlers Im Abschnitt Eingabetransformation sind weitere Informationen ber das Skalieren zu finden Bei der Kategorieprognose wir der Fehlerwert auf Basis der numer
63. iablen vorauszusagen und zwar in allen F llen in denen diese unbekannt sind Kapitel 2 berblick ber NeuralTools 15 16 In NeuralTools erm glicht Ihnen der Datensatzmanager die gew nschten Datens tze Variablen und F lle zu definieren Diese vordefinierten Variablen k nnen dann zum Trainieren und Testen von neuronalen Netzwerken verwendet werden und zwar ohne dass die zu analysierenden Daten immer wieder neu ausgew hlt werden m ssen Sie k nnen alle bekannten historischen F lle in einem und alle anderen F lle f r die die Ergebnisse vorausgesagt werden m ssen in einem anderen Datensatz platzieren Es ist aber auch m glich alle Daten d h Verlaufs und vorauszusagende Daten in nur einem Datensatz zu kombinieren Ef NeuralTools Datensatzmanager Alter der Seeohrmuschel xis Prognosedaten Testdaten L schen Datensatz Name Trainingsdaten Excel Bereich 830 33207 S Mehrfach IV Zellformatierung anwenden Variablen Excel Datenbereich Yariablenname Yariablentyp amp 31 43207 Geschlecht Kategorieunabh ngig B31 53207 L nge Numerisch unabh ngig c31 C3207 Durchmesser Numerisch unabh ngig D31 D3207 H he Numerisch unabh ngig E31 E3207 Gesamtgewicht Numerisch unabh ngig F31 F3207 Enth lst Numerisch unabh ngig 631163207 Muschelinhalt Numerisch unabh ngig H31 H3207 Muschelgewicht Numerisch unabh ngig 131 13207 Ringe Unbenutzt 331113207 Alter Numerisch abh ngig 10 Variablen 3177 Datenzel
64. ichteten Prognosevorraussetzungen aufgef hrt Im Abschnitt Fehler und Warnungen werden irgendwelche Probleme beschrieben die NeuralTools in Ihren Daten oder Einstellungen erkannt hat und die notfalls noch vor der Prognose berichtigt werden k nnen NeuralTools Prognosevorschau Netz und Einstellungen Netzposition Aktive Arbeitsmappe Name Auf Trainingsdaten trainiertes Netz Typ Numerischer GRNN Pr diktor Kategorieunabh ngige Yariablen 1 Geschlecht Numerisch unabh ngige Variablen 7 L nge Durchmesser H t Yoraussagen fehlende abh ngige Werte Berichte bersicht NEIN Detailliert JA Vorausgesagte Werte direkt im Datensatz platzieren NEIN Echtzeit Prognose aktivieren JA F lle mit fehlenden unabh ngigen Werten ausschlie en JA Anpassung unabh ngiger Variablen Variablenanpassung ist automatisch Fehler und Warnungen Referenz NeuralTools Men befehle Datensatzinformationen Name Prognosedaten Handbuchfall Tags NEIN Zeilenanzahl 3 Anzahl g ltiger Prognosef lle 3 Kategorieunabh Yar 1 Geschlecht Num unabh Var 7 L nge Durchme lt lt Zur ck Abbrechen 69 Prognoseberichte 70 Nach der Prognose k nnen bersichts und Detailberichte erstellt werden Durch diese Berichte sind Einzelheiten ber die Leistung des dem Testdatensatz entsprechend trainierten neuronalen Netzwerks zu sehen Der aktuelle Inhalt der erstellten Berichte wird im Dialogfeld Anwendungseinstellung
65. ig CT NJ NY betrag Darlehens r ckzahlung 41 0 0 1 4000 p nktlich 32 1 0 0 7000 mit Verzug 54 0 1 0 6000 p nktlich 37 0 0 1 5000 Standardwert Weitere Info ber neuronale Netzwerke 103 Empfohlene Lekt re 104 Durch folgende Lekt re k nnen Sie Hintergrundsinformationen ber die in NeuralTools verwendeten neuronalen Netzwerke erhalten Bishop Christopher M Neural Networks for Pattern Recognition Oxford 1995 Masters Timothy Advanced Algorithms for Neural Networks Wiley 1995 Reed Russell D Robert J Marks Neural Smithing MIT 1999 Empfohlene Lekt re Weitere Info ber neuronale Netzwerke 105 Index 106 A Anwendungseinstellungen Befehl 73 Ausf hrungszeit 52 Autom testen aktivieren 45 D Datens tze 15 Datens tze und Variablen 37 Datensatzmanager 16 Datensatzmanager Befehl 37 Datensatzmanager Dialogfeld 38 Deinstallieren von NeuralTools 7 Dienstprogramm zum Ersetzen fehlender Daten Befehl 79 82 E Echtzeit Prognose 25 69 Eingabetransformation 103 Evolver 27 F F higkeiten von Datensatz und Variablen 43 Fehlende Werte 81 G GRN Architektur 96 H Histogramm der Residualwerte 58 I Installationsanleitung 6 K Klassifizierungs Matrix 58 Klassifizierungsprobleme ii Kombinieren Trainieren Testen und Voraussagen 18 M Mehrfachbereichs Datens tze 39 mehrschichtige Feedforward Netzwerke 50 Mehrschichtige Feedf
66. isch 30 30 Wahr 20 wahr Wahr Falsch Falsch Wahr PN GRN Netz wahr 2 Wahr 1000000 Falsch 1 60 OK Abbrechen Dienstprogramme Berichte F r Berichte gibt es folgende Einstellungen e Zuerstellende Berichte In NeuralTools kann durch jeden Vorgang ein bersichts und ein Detailbericht erstellt werden In der Regel werden Sie jedoch den Standardbericht verwenden da andere Berichte meistens nicht viel zum Verfahren beitragen Bei der Prognose ist z B der Detailbericht der standardm ig verwendete Bericht und ein bersichtsbericht w rde in diesem Fall nicht viel zu diesem Vorgang beitragen NeuralTools Zu erstellende Berichte Nach dem Vorgang Zu erstellende Berichte Training Testen Prognose bersichtsbericht M Detailbericht m bersichtsberichte werden auf dem zugeh rigen Arbeitsblatt platziert w hrend Detailberichte sich in Spalten rechts vom Datensatz befinden und zwar auf dem gleichen Arbeitsblatt wie der Datensatz e Folgende Option ist f r bersichtsberichte platzieren in vorhanden Neue Arbeitsmappe um ein neues Arbeitsblatt f r jeden Bericht zu erstellen Sie k nnen entweder dieselbe Arbeitsmappe f r alle Ihre Berichte verwenden oder jeweils eine neue Arbeitsmappe erstellen e F r Detailberichtsplatzierung sind folgende Optionen verf gbar Vorhandene Berichte berschreiben berschreibt die Datenspalten vorhergehender Detailberichte in einem Datensa
67. ischen Kategoriedatendarstellung berichtet NeuralTools Training l uft Training Fortschritt Numerischer GRNN Pr diktor Zeit seit Beginn 00 01 36 Anzahl der Versuche 52 Fehler im Trainingssatz 0 6796615 Fehler w hrend der letzten 5 Minuten Fehler w hrend Trainingsperiode in Stunden Moo Befehlsreferenz Trainings Berichte Nach dem Training k nnen bersichts und Detail Berichte erstellt werden Durch diese Berichte sind Einzelheiten ber die Leistung des trainierten neuronalen Netzwerks zu erkennen Der aktuelle Inhalt der erstellten Berichte wird im Dialogfeld Anwendungseinstellungen angegeben und zwar unter den Einstellungen f r Zu erstellende Berichte und Spalten in Detailberichten e Trainings bersichtsbericht In diesem Bericht sind Statistiken und Diagramme ber die Leistung des trainierten neuronalen Netzes zu finden ey EU9 Mappe2 Microsoft Excel x AG y Start Einf gen Seitenlayout Formeln Daten berpr fen Ansicht NeuralTools Qa ax E gt R 3 z EEE x Datensatzmanager Trainieren Testen Voraussagen Daten Neuronale Netze Tools B G je ools Neuronalnetz Training Ausgef hrt durch Palisade Datum Samstag 28 November 2009 15 16 37 N Datensatz Trainingsdaten Netz Auf Trainingsdaten trainiertes Netz jejo slo ww Auf Trainingsdaten trainiertes Netz Numerischer GRNN Pr diktor S Alter der Seeohrmuschel
68. ischer Fehler 1 849 Mittlerer absoluter Fehler 1 279 Std Abweichung vom ABS Fehler 1 335 Trainingsdaten 3177 NEIN Histogramm der Residualwerte Training H ufigkeit 45 NeuralTools bersicht EI I n I Bereit I Kapitel 2 berblick ber NeuralTools WHI Mappe2 Microsoft Excel ial aitai LOS Stat Einf gen Seitenlayout Formeln Daten berpr fen Ansicht NeuralTools o x 34 i gt Dienstprogramme ate 3 Hilfe Datensatzmanager Trainieren Testen Voraussagen Daten Neuronale Netze Tools 21 22 Testen eines Netzwerks W hrend des Testens wird festgestellt wie gut ein entsprechend trainiertes neuronales Netz bereits bekannte Ausgabewerte voraussagen kann Bei den Testdaten handelt es sich gew hnlich um eine Untermenge Ihrer Verlaufsdaten f r die die Ausgabewerte bereits bekannt sind Diese Untermenge wurde jedoch nicht zum Training des neuronalen Netzes verwendet NeuralTools Testen Datensatz Trainingsdaten Zu verwendendes Netz Auf Trainingsdaten trainier In Aktive Arb Yariablenanpassung Automatisch Bearbeiten Wenn das Testen von Daten in einem separaten Datensatz vorgenommen wird versucht NeuralTools die Variablen im Testdatensatz denen im Trainingsdatensatz anzupassen Genau wie beim Training wird NeuralTools auch beim Testprogramm vor dem Ausf hren eine Vorschau anzeigen berblick Testberichte D
69. kann In Datens tzen mit einer kleineren Anzahl von F llen oder gr eren Anzahl von Variablen k nnen die Unterschiede in relativer Auswirkung der Variablen von einem trainierten Netz zum anderen erheblich ausgepr gter sein Auch ist es wichtig daran zu denken dass diese Werte relativ sind Angenommen bei zwei unabh ngigen Variablen ist der einen ein Wert von 99 und der anderen ein Wert von 1 zugewiesen Dies bedeutet dass die letztere Variable viel weniger wichtig als die erstere ist Das hei t jedoch nicht dass die letztere Variable vollkommen unwichtig ist besonders dann nicht wenn sehr genaue Prognosen erw nscht sind Es folgen einige zus tzlich zu beachtende Punkte hinsichtlich der Variablen Auswirkungsanalyse 1 Nur der Trainingsdatensatz wird hier analysiert F lle in denen Autom testen oder Autom Prognose verwendet wird werden nicht mit einbezogen da in diesen F llen vielleicht Zahlenwerte vorhanden sind die au erhalb des Trainingsbereichs liegen Dadurch w rden die Analysenergebnisse dann schlecht vorhersehbar sein Befehlsreferenz 2 Bei einer gegebenen kategorieunabh ngigen Variable wird bei der Analyse f r jeden Fall durch alle f r die Variable g ltigen Kategorien gegangen und dabei jeweils die nderung im vorausgesagten Wert gemessen Bei der Kategorieprognose gibt es keinen vorausgesagten Zahlenwert aber daf r viele grobe numerische Netzausgaben auf denen die Kategorieprognose aufge
70. ks fest und f hrt die Prognose aus Der Befehl Voraussagen erm glicht Ihnen 1 die f r das Voraussagen von Werten mittels trainiertem neuronalem Netz zu verwendenden Einstellungen anzugeben und 2 die Prognose auszuf hren NeuralTools Prognose Datensatz Prognosedaten Zu verwendendes Netz Auf Trainingsdaten trainier In Aktive Arbeitsm Yariablenanpassung Automatisch Bearbeiten Yoraussagen f r F lle mit Fehlenden abh ngigen Werten C Alle F lle r Optionen J Yorausgesagte Werte direkt im Datensatz platzieren IV Echtzeit Prognose aktivieren IV Keine Echtzeit Prognose bei F llen mit fehlenden oder ung ltigen Werten hinzuf gen 4 Abbrechen Bei den vorauszusagenden Daten handelt es sich gew hnlich um F lle mit unbekannten abh ngigen Variablen Im Dialogfeld Prognose stehen folgende Optionen zur Verf gung Datensatz zeigt den Datensatz der f r die Prognose verwendet werden soll Dieser Datensatz muss mithilfe des Datensatzmanagers definiert werden und muss sich auch im aktiven Arbeitsblatt befinden Zu verwendendes Netz gibt Namen und Speicherort f r das f r die Prognose zu verwendende neuronale Netz an Neuronale Netzwerke k nnen in einer Excel Arbeitsmappe oder in einer Datei auf der Festplatte gespeichert werden Klicken Sie auf Durchsuchen um den gezeigten Namen oder Speicherort zu ndern Befehlsreferenz e Variablenanpassung legt fest wie die in dem die Prognose
71. len pro Variable Importieren 7 OK Abbrechen Jede in einem Datensatz befindliche Variable hat einen Namen und ist in Excel mit einem bestimmten Zellenbereich verkn pft Jede Spalte in diesem Bereich enth lt Daten f r eine andere Variable Ein Datensatz kann aus mehreren Zellbl cken bestehen wodurch Sie dann Daten in verschiedene Bl tter derselben Arbeitsmappe eingeben k nnen Wenn Sie einen Datensatz definieren versucht NeuralTools in Excel die Variablen zu identifizieren die sich in dem Zellblock befinden der die aktuelle Auswahl umgibt Dadurch kann schnell und m helos ein Datensatz eingerichtet werden und zwar mit den Variablen in Spalten und den entsprechenden Namen der Variablen jeweils in der obersten Zeile berblick Variablentypen In NeuralTools k nnen die Variablen unabh ngig oder abh ngig und numerisch oder kategorisch sein z B Ja oder Nein bzw Rot Gr n oder Blau Der Datensatzmanager versucht in Ihrem Datensatz den Typ der einzelnen Variablen zu identifizieren aber Sie k nnen diesen Vorgang bergehen und Ihre eigenen Auswahlen treffen Training eines neuronalen Netzwerks Nach Definition eines Datensatzes der F lle mit bekannten Verlaufswerten enth lt k nnen Sie diese dazu verwenden ein neuronales Netzwerk entsprechend zu trainieren Durch verschiedene Optionen kann festgelegt werden welche Art von Netzwerk durch NeuralTools erstellt werden soll Je nach Art der Daten k nnen mithil
72. lflich sein die passenden Auswahlen zu treffen siehe Abschnitt ber MLF Netze Verallgemeinerte neuronale Regressions GRN Netze und neuronale Wahrscheinlichkeits PN Netze sind ebenfalls in NeuralTools verf gbar Diese beiden Arten stehen in enger Beziehung zueinander Das GRN Netz wird f r numerische Prognosen und das PN Netz f r Kategorieprognose Klassifizierung verwendet Bei diesen Netzen braucht der Benutzer keine Entscheidungen ber die Netzstruktur zu treffen GRN und PN Netze sind immer mit zwei ausgeblendeten Neuronenschichten versehen Die erste Schicht enth lt ein Neuron pro Trainingsfall und die Gr e der zweiten Schicht h ngt von gewissen Gegebenheiten in Bezug auf die Trainingsdaten ab In den noch verbleibenden Abschnitten dieses Kapitels werden die in NeuralTools verf gbaren neuronalen Netzwerke detaillierter beschrieben Weitere Info ber neuronale Netzwerke 87 Mehrschichtige Feedforward Netze 88 Bei mehrschichtigen Feedforward Netzwerken die auch mehrschichtige Wahrnehmungsnetzwerke genannt werden handelt es sich um Systeme die in der Lage sind komplexe Funktionen zu approximieren und somit komplizierte Beziehungen zwischen unabh ngigen Variablen und einer abh ngigen Variablen modellieren k nnen MLF Architektur Das nachstehende Diagramm zeigt ein MLF Netz f r numerische Prognose und zwar unter Verwendung von drei numerisch unabh ngigen Variablen Das Netz wurde f r 2 Neuronen Knot
73. lle bei denen die vorausgesagte Kategorie nicht mit der aktuellen Kategorie bereinstimmt Mittlere falsche Wahrscheinlichkeit nur in PNN Netzen verf gbar F r die einzelnen F lle berechnet NeuralTools die Wahrscheinlichkeit von falschen Kategorien wobei es sich um die Summe der Wahrscheinlichkeiten handelt die durch ein PNN Netz falschen Kategorien zugewiesen werden Wenn in irgendeinem Fall ein Netz beispielsweise 30 Wahrscheinlichkeit der Farbe Rot 20 der Farbe Gelb und 50 der Farbe Gr n zuweist und wir aber wissen dass die richtig Antwort Rot ist dann ist der Wert in diesem Fall 20 50 70 Bei diesem Wert handelt es sich somit um einen fallweisen Fehlermesswert f r die Kategorieprognose Dies entspricht dem Residualfehler bei der numerischen Prognose Mittlere falsche Wahrscheinlichkeit entspricht dem Durchschnittsfehlerwert f r alle vorhandenen F lle Detaillierte Berichte zeigen die falsche Wahrscheinlichkeit f r die einzelnen F lle Um dieses Konzept besser zu verstehen sollten Sie vielleicht die Einstellungen f r Detailbericht ndern um die Wahrscheinlichkeiten zu zeigen die durch ein neuronales Wahrscheinlichkeitsnetz jeder m glichen Kategorie der abh ngigen Variable zugewiesen wurden Zu diesem Zweck m ssen Sie im Men Dienstprogramme die Option Anwendungseinstellungen w hlen und dann rechts im Dropdown Men auf die Zeile Spalten in detaillierten Berichten klicken Es ist dann das Dialogfeld Ne
74. me vorhanden ber die in NeuralTools das Modellieren von neuronalen Netzwerken verwaltet werden kann Ein Neuronalnetzmanager erm glicht Ihnen trainierte neuronale Netzwerke zu kopieren oder zwischen Arbeitsmappen und Dateien hin und her zu schieben Mithilfe des Dienstprogramms Fehlende Daten k nnen Sie in Ihren Datens tzen F lle mit fehlenden Daten identifizieren und entsprechend korrigieren Durch die Testempfindlichkeitsanalyse kann festgestellt werden ob die Testergebnisse auch bei verschiedenen zuf lligen Auswahlen von Testf llen stets best ndig und stabil sind Verwendung von NeuralTools mit StatTools Solver und Evolver NeuralTools ist daf r vorgesehen zusammen mit StatTools dem ber Palisade verf gbaren Statistik Add In f r Excel verwendet zu werden Beide Produkte arbeiten mit demselben Datensatzmanager In NeuralTools definierte Datens tze k nnen in StatTools analysiert werden und auch umgekehrt Mithilfe von StatIools k nnen Sie f r in NeuralTools definierte Datens tze verschiedene Statistiken ber Variablen berechnen und zwar zusammen mit Statistiken ber in NeuralTools erstellte Prognosen In NeuralTools erstellte Detailberichte sind sofort zur Analyse in StatTools verf gbar Diese Berichte sind in StatTools automatisch in der Datensatzliste des Datensatzmanagers zu sehen Dadurch ist es m glich mittels StatTools statistische Ergebnisse zu erhalten die ber die bersichtsberichte hinausgehen die in
75. n Testing Cases 70 6 0000 0000 6 8571 6 0000 7 7 4286 6 6667 0000 8 8571 Bereit MeN Sam 10 E y Dienstprogramme Referenz NeuralTools Men befehle 83 Weitere Info ber neuronale Netzwerke Grundlagen des neuronalen Netzwerks Ein neuronales Netzwerk ist ein System das Berechnungen an numerischen Eingaben vornimmt und dann einen oder mehrere Zahlenwerte ausgibt Wenn ein neuronales Netz auf eine bestimmte Anwendung abgerichtet ist wird es wahrscheinlich korrekte Werte f r die betreffenden Eingaben ausgeben Die Eingaben in einem Netz k nnten beispielsweise einige m helos messbare Eigenschaften eines Seeohrs d h einer Abalone Muschel darstellen wie z B L nge Durchmesser und Gewicht Die im Netz vorgenommenen Berechnungen w rden dann eine Zahl ergeben die ungef hr dem Alter der Muschel entspricht das genaue Alter einer solchen Muschel ist nicht so leicht zu ermitteln Die Inspirationsquelle f r das neuronale Netz ist in der Tat die Struktur des menschlichen Gehirns Das Gehirn besteht aus einer gro en Anzahl von Zellen die Neuronen genannt werden Ein Neuron erh lt Impulse von anderen Neuronen ber eine Reihe von Dendriten Je nach erhaltenden Impulsen kann ein Neuron ein Signal an andere Neuronen senden und zwar ber ein Neuraxon das die Verbindung zu den Dendriten der anderen Neuronen herstellt Genau wie beim Gehirn besteht das k nstliche n
76. n Abweichung berechnet Mittlerer absoluter Fehler durchschnittliche Abweichung von Prognosen von den aktuellen Werten Variablenauswirkung zeigt die relative Auswirkung von unabh ngigen Variablen auf vorausgesagte Ergebnisse an Histogramm der Residualwerte der Residualwert ist die Differenz zwischen dem aktuellen und dem vorausgesagten Wert Aus Punktdiagrammen geht die Beziehung zwischen aktuellen vorausgesagten und Residualwerten hervor Referenz NeuralTools Men befehle 57 58 Befehl Testen Legt die Einstellungen f r das Testen eines trainierten neuronalen Netzwerks fest und f hrt den Test aus Der Befehl Testen erm glicht Ihnen 1 die f r das Testen eines trainierten neuronalen Netzes zu verwendenden Einstellungen anzugeben und 2 mit dem Testen zu beginnen NeuralTools Testen Datensatz Trainingsdaten Zu verwendendes Netz Auf Trainingsdaten trainier In Aktive Arbe Variablenanpassung Automatisch Bearbeiten Bei den zu testenden Daten handelt es sich meistens um Daten mit bekannten Ausgabewerten die nicht beim Training des Netzes verwendet wurden Im Dialogfeld Testen stehen folgende Optionen zur Verf gung e Datensatz zeigt den Datensatz der beim Testen des trainierten neuronalen Netzwerks verwendet werden soll Dieser Datensatz muss mithilfe des Datensatzmanagers definiert werden und muss sich auch im aktiven Arbeitsblatt befinden e Zu verwendendes Netz gibt N
77. n Men s und benutzerdefinierten Arbeitsblattfunktionen und dies alles direkt in Excel Im Gegensatz zu eigenst ndiger Neuronalnetz Software gibt es in NeuralTools keine steile Lernkurve und auch keine im voraus zu zahlenden Trainingskosten da Sie wie gewohnt direkt in Excel arbeiten Ihre Daten und Variablen befinden sich in den Excel Kalkulationstabellen Mit anderen Worten Sie k nnen die standardm igen Formeln und Berechnungen sowie auch Excel Sortierung und Pivot Tabellen verwenden Die sich aus Ihren Analysen ergebenden Berichte und Diagramme befinden sich im standardm igen Excel Format und k nnen in Zusammenhang mit allen in Excel integrierten Formatierungsf higkeiten verwendet werden Willkommen in NeuralTools f r Excel NeuralTools Analysen Neuronale Netzwerke sind in der Lage komplexe Datenbeziehungen zu erlernen Durch Nachahmung der Gehirnfunktionen k nnen diese Netze bestimmte Datenstrukturen erkennen und dann entsprechende Prognosen extrapolieren sobald neue Daten verf gbar werden Neuronale Netzwerke werden f r Probleme verwendet die in zwei generelle Gruppen unterteilt werden k nnen e Klassifizierungsprobleme Probleme bei denen festgestellt werden muss in welche Kategorie ein unbekanntes Element f llt Beispiele hierf r sind z B medizinische Diagnosen und Prognosen in Bezug auf Kreditz ckzahlungsf higkeit e Numerische Probleme Situationen in denen ein bestimmtes Zahlenergebnis vorausgesagt werd
78. n das Ausgabeneuron gibt einfach die gewichtete Summe seiner Eingaben zur ck Neuronale Netze werden mitunter mit sigmoidalen Aktivierungsfunktionen in den Ausgabeneuronen konstruiert Das ist jedoch f r ein neuronales Netz nicht erforderlich um komplexe Funktionen approximieren zu k nnen Au erdem haben sigmoidale Funktionen einen begrenzten Ausgabebereich 1 bis 1 f r die hyperbolische Tangentenfunktion und typischerweise sind auch au erhalb des Bereichs abh ngige Werte zu finden Wenn daher eine sigmoidale Funktion im Ausgabeneuron verwendet wird ist vor Weitergabe von Trainingsdaten an das Netz ein zus tzliches Transformieren der Ausgabewerte erforderlich Bei Verwendung von MLF Netzen zur Klassifizierung haben diese Netze mehrere Ausgabeneuronen von denen jeweils ein Neuron den einzelnen m glichen abh ngigen Kategorien entspricht Ein Fall wird in einem Netz dadurch klassifiziert dass die numerischen Ausgaben berechnet werden Es wird dann die Kategorie ausgew hlt die dem Neuron entspricht das den h chsten Ausgabewert ergibt Weitere Info ber neuronale Netzwerke 89 Training eines MLF Netzes Ein MLF Netz wird dadurch trainiert dass nach einem Satz von Verbindungsbewertungsfaktoren und Beeinflussungswerten gesucht wird durch die das Netz in der Lage ist generell die richtigen Antworten zu geben wenn neue F lle vorgebracht werden zur Vereinfachung werden in der nachstehenden Darstellung die Beeinflussungswerte aus
79. n Netzkonfigurationen wie z B PNN GRNN und MLFN Netze mit Knotenz hlung im eingegebenen Min Max Bereich Es wird dann die f r Ihre Daten beste Konfiguration identifiziert und zwar auf Basis des erhaltenen Fehlerwert im Testdatensatz Wenn Alle versuchsweisen Netze in neuer Arbeitsmappe speichern ausgew hlt ist k nnen Sie die getesteten Netze einzeln aus einer Arbeitsmappe laden ganz gleich ob es sich dabei um das leistungsst rkste Netz handelt oder nicht und nach dem Trainieren f r die Prognose verwenden Auch ist ein vollst ndiger Test bersichtsbericht f r jedes Netz verf gbar PNN GRNN Netz Bei diesen Netztypen brauchen keine zus tzlichen Optionen zu Trainingszwecken ausgew hlt werden Daher ist dies die Standardeinstellung wenn NeuralTools installiert ist Wenn es sich bei Ihren Daten um numerische Ausgabenwerte handelt wird ein GRNN Netzwerk und bei kategorischen Ausgabewerten ein PNN Netzwerk darauf eintrainiert MLFN Netz Ein mehrschichtiges Feedforward Netzwerk MLFN enth lt eine oder zwei ausgeblendete Knotenschichten NeuralTools Training Trainieren Netzkonfiguration ausf hrungszeit Netztyp MLF Netz v Optionen Lineare Regression ausf hren nur bei numerischer Prognose Knotenanzahl in 1 Schicht Automatisch Y Knotenanzahl in 2 Schicht Automatisch Y Beschreibung Ein mehrschichtiges Feedforward Netzwerk besteht aus einer Eingabeschicht von Knoten einer oder zwei ausgeblendeten S
80. nd Max zeigt einen Zufallswert der f r alle F lle im Datensatz zwischen dem variablen Minimum und Maximum gew hlt wurde Bei beiden Variablentypen werden durch Zellen l schen die f r die Variable ausgew hlten Werte gel scht Das Dialogfeld Dienstprogramm zum Ersetzen fehlender Daten stellt eine der m glichen Methoden zur Beseitigung von fehlenden Daten dar ber dieses Dialogfeld k nnen k nstliche Daten f r fehlende Daten eingef llt werden Es ist m glicherweise oft besser Zellen in denen Daten fehlen einfach leer zu lassen sodass NeuralTools dann solche F lle mit fehlenden Daten berhaupt nicht ber cksichtigt Hinweis NeuralTools betrachtet besondere Symbole wie Z B nicht als fehlende Daten Fragezeichen m ssen gel scht werden und das kann durch das Dienstprogramm zum Ersetzen fehlender Daten erreicht werden Sie brauchen zu diesem Zweck unter Zu ersetzende Werte nur Bestimmter Wert und unter Art der Ersatzwerte die Option Zellen l schen w hlen Es ist evtl auch m glich NeuralTools zu verwenden um fehlende Werte in einer unabh ngigen Variable vorauszusagen und zwar auf Basis von anderen unabh ngigen Variablen die nur wenige oder berhaupt keine fehlenden Daten haben Aus den Testergebnissen geht hervor um ein zum Voraussagen von fehlenden Werten trainiertes Netz auch zuverl ssig ist Dienstprogramme Befehl Testempfindlichkeit Durch diesen Befehl kann festgestellt werden ob die Testerge
81. nd der neuen Daten deren Ausgabewerte Sie nicht kennen erm glicht NeuralTools Ihnen ein Netzwerk zu trainieren und zu testen bevor dieses dann die Ausgabewerte voraussagt und das alles in einem einzigen Schritt Sie halten einen gewissen Prozentsatz der Verlaufsdaten zum Testen zur ck auf der vorherigen Seite werden 20 zu diesem Zweck genannt und sagen dann anschlie end automatisch die Ausgabewerte f r F lle voraus bei denen die abh ngigen Werte fehlen Durch diesen Prozess erhalten Sie schnell die ben tigten Antworten in nur einem Schritt In NeuralTools werden verschiedene neuronale Netzwerkkonfigurationen unterst tzt um die bestm glichen Voraussagen vorzunehmen Bei Klassifizierung Kategorieprognosen bei denen die abh ngige Variable vom Typ Kategorie ist sind zwei Arten von Netzwerken verf gbar neuronale Wahrscheinlichkeitsnetzwerke PNN und mehrschichtige Feedforward Netzwerke MLF Numerische Prognose kann mithilfe von MLF und auch mit verallgemeinerten neuronalen Regressionsnetzwerken GRNN ausgef hrt werden die so hnlich wie PNN Netzwerke sind NeuralTools Training Trainieren Netzkonfiguration ausf hrungszeit Netztyp PIFGRIN Netz Optionen Lineare Regression ausf hren nur bei numerischer Prognose Beschreibung Bei einer kategorieabh ngigen Variable wird ein neuronales Wahrscheinlichkeitsnetz trainiert Wenn die abh ngige Variable dagegen numerisch ist wird ein verallgemein
82. ndet werden k nnen e Training Durch Training wird ein neuronales Netzwerk aus einem Datensatz erstellt der sich aus bereits bekannten Ausgabewerten zusammensetzt Diese Daten stammen oft aus alten F llen f r die die Ausgabewerte abh ngigen Variablen bekannt sind e Testen Durch Testen wird festgestellt wie gut ein entsprechend trainiertes neuronales Netz bereits bekannte Ausgabewerte voraussagen kann Bei den zum Testen verwendeten Daten handelt es sich meistens um eine Untermenge Ihrer Verlaufsdaten Diese Untermenge wurde jedoch nicht zum Training des neuronalen Netzwerks verwendet Nach dem Testen wird die Leistung des Neuronalnetzes mithilfe von Statistiken gemessen Es wird beispielsweise berpr ft welcher Prozentsatz an bekannten L sungen richtig vorausgesagt wurde e Prognose Ein entsprechend trainiertes neuronales Netzwerk wird dazu verwendet unbekannte Ausgabewerte vorauszusagen Nach dem Trainieren und Testen kann dieses neuronale Netz dann wie gew nscht dazu verwendet werden die Ausgaben f r neue Falldaten vorauszusagen Das Training und Testen ist ein sich wiederholender und mitunter zeitraubender Prozess Meistens sollte mehrere Male mit unterschiedlichen Einstellungen trainiert werden um das bestm gliche neuronale Netzwerk zu erstellen Sobald Sie das beste Netz ausgearbeitet haben k nnen Sie es sofort f r Ihre Prognosen verwenden Nach N chstes wollen wir uns ansehen wie NeuralTools in Exc
83. ne 60 ige statistische Sicherheit In solchen F llen k nnte der Solver von Excel dazu verwendet werden einen Kreditbetrag zu bestimmen bei dem die statistische Sicherheit dass der Kredit p nktlich durch den Kreditnehmer zur ckgezahlt wird dann z B 90 sein w rde In diesem Fall w rde das Optimierungsprogramm verschiedene Darlehens oder Kreditbetr ge ausprobieren w hrend NeuralTools jeweils automatisch den Wahrscheinlichkeitswert aktualisiert Evolver das gentechnische auf Algorithmen basierende Optimierungsprogramm von Palisade kann anstelle von Solver verwendet werden um die Antwort zu finden Im Unterschied zu Solver kann Evolver auch mit Optimierungsproblemen fertig werden bei denen mehrere lokale Bestwerte vorhanden sind berblick Kapitel 3 NeuralTools Referenzhandbuch Einf hrung 31 Referenz NeuralTools Symbole 33 NeuralTools Symbolleiste unsnennnnonnnnnnnnnnnnnnnnnnnnnnnennnnnnnnnnnnn ann 33 Referenz NeuralTools Men befehle 35 Einf hrung 2 el 35 Symbole in Dialogfeldern sssesesesessonsnonsesesnsnenenenenensnnnnsnsnnnenennnenene 36 Befehlsreferenz unsuuuensnununnnsnannunnnnnnnnnnnunnnunnnnnnnannnnnnnnnnnnnnnnnnnnn nn 37 Befehl Datensatzmanager esesesesesessenenenensnsnssnsnensnensnsnenenenenssnenensnnene 37 Befehl Trainieren E hs 43 Befehl Testen eessesssnensssssneennenennnssnenesnenennnsnnenesnensnsssnnenesnsnennnssnenennen 58 Befehl Voraussagen e seses
84. ng der zeitraubendste Vorgang beim Modellieren des neuronalen Netzwerks ist lohnt es sich diese Vorschau vor dem Weitermachen genau anzusehen Durch NeuralTools werden alle Probleme identifiziert die m glicherweise in Ihren Daten vorhanden sind sodass diese berichtigt werden k nnen bevor mit dem Training begonnen wird NeuralTools Trainingsvorschau Trainings Einstellungen Datensatzinformationen Netzposition Aktive Arbeitsmappe Name Trainingsdaten Autom testen NEIN Handbuchfall Tags NEIN Autom voraussagen NEIN Zeilenanzahl 3177 Berichte bersicht JA Detailliert NEIN Anzahl g ltiger Trainingsf lle 3177 Netzkonfig GRNN Max Trainingszeit 2 Stunden Variablen Geschlecht F U Kategorieunabh ngige Variable NUM L nge 3 Kategorien NUM Durchmesser F NUM H he NUM Gesamtgewicht NUM Enth lst Fehler und Warnungen EEE lt lt Zur ck Abbrechen Kapitel 2 berblick ber NeuralTools 19 Trainings Prozess W hrend NeuralTools damit besch ftigt ist ein neuronales Netz Ihren Daten gem zu trainieren berichtet dieses Programm dar ber wie erfolgreich es bei dieser Aufgabe ist Gew hnlich wird das Netz w hrend des Trainings immer besser da NeuralTools w hrend dieses Vorgangs laufend neue Netzwerke erstellt die bessere d h weniger fehlerhafte Prognosen in Bezug auf Ihre Daten stellen Durch Diagramme wird angezeigt wie erfolgreich NeuralTools w hrend dieses Trainings
85. nstallationsvorgangs aktiviert und daher keine weitere Aktivierung durch Sie erforderlich Falls Sie die Software erst irgendwann nach der Installation aktivieren m chten m ssen Sie im Hilfemen den Befehl Lizenzmanager w hlen Mithilfe des Lizenzmanagers k nnen Software Lizenzen aktiviert deaktiviert und auch auf einen anderen Computer verlegt werden Ebenfalls kann der Lizenzmanager zum Verwalten von Lizenzen f r Netzwerkinstallationen verwendet werden Folgen Sie im Lizenzmanager dann den entsprechenden Anweisungen und Dialogen um den gew nschten Lizenzierungsvorgang auszuf hren Kapitel 1 Erste Schritte 10 Kapitel 2 berblick ber NeuralTools berblick 13 Warum neuronale Netzwerke ussssesesesesssnsnsnsnsnenenenensnsnnnnensnenennnnnene 13 NeuralTools und neuronale Netzwerke eesesessssesssenenenesenennensnnene 14 NeuralTools Men und NeuralTools Symbolleiste nne 15 Datens tze und Datensatzmanager nesesnsesssnensssonsnennsnenssnensnenesnene 15 Variablentypen nesesnsssesnssessensnsnnsnenssnensnennsnssesnensnennsnssesnsnnnen 17 Daten aus mehreren ZellbereichenError Bookmark not defined Training eines neuronalen Netzwerks uusesesssssssnsnsesesnenenenenenennnnne 17 Kombinieren Trainieren Testen und Voraussagen 18 Konfigurationen des Netzes esesesesosnenenssenenenenenesnonenennnenen 18 Trainingsvorschau ussesesesesesesnsnonsnsesnsnenenenenensnennnnsnenensnnnenen
86. nzen eines bestimmten Variablenwertes durch einen neuen Wert e Art der Ersatzwerte legt fest welche Werte als Ersatz f r fehlende oder nicht erw nschte Daten im Datensatz platziert werden sollen F r numerische Variablen und Variablen vom Typ Kategorie m ssen unterschiedliche Werte angegeben werden Optionen f r Kategorievariablen H ufigste oder seltenste Kategorie zeigt den Kategorienwert der am h ufigsten oder seltensten bei den F llen im Datensatz vorkommt Benachbarte Kategorie zeigt den Kategorienwert der in dem Datensatz auftritt der sich neben dem Fall mit dem fehlenden Wert befindet Zufallskategorie zeigt den Kategorienwert der zuf llig aus den im Datensatz befindlichen Werten gew hlt wurde Spezielle Kategorie stellt alle fehlenden oder unerw nschten Werte auf einen bestimmten Wert ein Referenz NeuralTools Men befehle 79 Weitere Informationen ber fehlende Werte 80 Optionen f r Numerische Variablen Durchschnittlicher Variablenwert zeigt den durchschnittlichen Wert f r die Variable bei allen F llen in dem Datensatz Mittlerer Variablenwert zeigt den mittleren Wert f r die Variable bei allen F llen in dem Datensatz Interpolation aus angrenzenden Werten zeigt den Wert der in den F llen durch Interpolation zwischen den Variablenwerten in dem Datensatz berechnet wurde der sich neben dem Fall mit dem fehlenden Wert befindet Zufallswert zwischen Min u
87. o Befehlsreferenz Befehl Trainieren Legt die Einstellungen f r das Training eines neuronalen Netzwerks fest und f hrt den Trainingsvorgang aus Der Befehl Trainieren erm glicht Ihnen 1 die f r das Training eines neuronalen Netzes in NeuralTools zu verwendenden Einstellungen anzugeben und 2 mit dem Training des Netzes zu beginnen NeuralTools Training exe Trainieren Netzkonfiguration Ausf hrungszeit Datensatz Autokreditdaten Netz speichern als Auf Autokreditdaten trainie Bis Aktive Arbeitsmapt Durchsuchen Wenn Training beendet ausgew hlter F lle 20 J Dieselben Vorf lle w hlen solange diese Zahl dieselbe ist IV Fehlende abh ngige Werte automatisch voraussagen IV Echtzeit Prognose aktivieren J Vorausgesagte Werte direkt im Datensatz platzieren Auswirkungen der Variablen berechnen 0 Abbrechen Registerkarte Im Dialogfeld Training sind auf der Registerkarte Trainieren die Trainieren allgemeinen Optionen f r das Training eines neuronalen Netzwerks angegeben Es handelt sich dabei um folgende Optionen Datensatz zeigt den Datensatz der beim Training des neuronalen Netzwerks verwendet werden soll Dieser Datensatz muss mithilfe des Datensatzmanagers definiert werden und muss sich auch im aktiven Arbeitsblatt befinden Netz speichern als gibt Namen und Speicherort f r das zu trainierende neuronale Netz an Neuronale Netzwerke k nnen in einer Excel
88. ols Symbolen entsprechen Tg mE r ah Kompatb rat Mieroteh Exca mx J t Einf gen Setemisyout Fomein Osten berpfen Amit tirurofTooh rx ps A pij A oenuoosamae J jo io u a Halte gen Datensatzmanager Trainien Daten er it Referenz NeuralTools Men befehle 35 36 Symbole in Dialogfeldern In den einzelnen NeuralTools Dialogfeldern k nnen bis zu zwei Symbole Symbol f r Hilfe und Symbol f r Anwendungseinstellungen zu sehen sein ber das Symbol f r Hilfe k nnen Sie im betreffenden Dialogfeld schnell auf die Hilfethemen zugreifen Hithilfe von Symbols f r Anwendungseinstellungen kann das Dialogfeld Anwendungseinstellungen angezeigt werden in das Sie Einstellungen f r NeuralTools Berichte eingeben und diese Einstellungen auch bearbeiten k nnen Das gleiche ist bei Standardeinstellungen f r Training Prognose und Ausf hrungszeit m glich NeuralTools Training Trainieren Netzkonfiguration Ausf hrungszeit Datensatz Autokreditdaten Auf Autokreditdaten trainie Bis Aktive Arbeitsmap Durchsuchen Netz speichern als ausgew hlter F lle 20 I Dieselben Vorf lle w hlen solange diese Zahl dieselbe ist IV Fehlende abh ngige Werte automatisch voraussagen IV Echtzeit Prognose aktivieren I Vorausgesagte Werte direkt im Datensatz platzieren 7 Auswirkungen der Variablen berechnen rc Einf hrung Befehlsreferenz Was sind Datens
89. on von NeuralTools steht kein telefonischer ne Support zur Verf gung Wenn Sie bei dieser Version Hilfe ben tigen sollten Sie eine der folgenden Alternativen versuchen fragen Sie Ihren Professor bzw Lehrbeauftragten sehen Sie auf unserer Website http www palisade com unter Answers to Frequently Asked Questions Antworten auf h ufig gestellte Fragen nach Kapitel 1 Erste Schritte wenden Sie sich per E Mail oder Fax an unsere Abteilung Technical Support Systemanforderungen von NeuralTools Bei NeuralTools 5 5 f r Microsoft Excel f r Windows sind folgende Systemanforderungen zu ber cksichtigen e Microsoft Windows XP oder h her e Microsoft Excel 2007 oder h her Einf hrung Installationsanleitung Deinstallieren von NeuralTools Allgemeine Installationsanleitung Durch das Setup Programm werden die NeuralTools Systemdateien in das Verzeichnis kopiert das Sie auf der Festplatte angegeben haben So wird das Setup Programm unter Windows XP oder h her ausgef hrt 1 Doppelklicken Sie beim Ausf hren der Installations CD auf NeuralTools Setup exe und folgen Sie dann den Installationsanweisungen auf dem Bildschirm Falls Sie bei der Installation von NeuralTools auf Probleme sto en sollten Sie nachsehen ob gen gend Speicherplatz auf dem Laufwerk verf gbar ist auf dem NeuralTools installiert werden soll Versuchen Sie dann die Installation erneut nachdem Sie ausreichend Speicherplatz freigem
90. ortpflanzung Wissenschaftler bevorzugen jetzt aber andere Algorithmen die schneller sind und wahrscheinlich sicherer das globale Optimum finden In NeuralTools wird das Konjugierte Gradienten Verfahren verwendet das zur Kategorie der zweitrangigen Optimierungsmethoden geh rt Diese deterministischen Optimierungsmethoden sind dazu da nach dem lokalen Minimum einer Funktion zu suchen indem sie auf wirkungsvolle Weise dem Neigungsgrad der Fehlerfunktion folgen Um das Risiko zu verringern anstelle des globalen das lokale Minimum zu finden wird in NeuralTools die deterministische mit der stochastischen Optimierungsmethode kombiniert Genauer genommen wird die simulierte Abk hlung Simulated Annealing zusammen mit dem Konjugierte Gradienten Verfahren Conjugate Gradient Descent Method verwendet Durch den Algorithmus wird entschieden welche Methode an einer bestimmten Stelle verwendet wird und zwar auf Basis der Ergebnisse aus den vorhergehenden Versuchen Weitere Informationen ber Conjugate Gradient Descent sind unter Bishop 1995 und Masters 1995 zu finden Masters 1995 enth lt auch weitere Informationen ber Simulated Annealing Beim Fehlermesswert der zum Training von numerischen Prognosenetzen verwendet wird handelt es sich um den mittleren quadratischen Fehler aller Trainingsf lle Mit anderen Worten dies ist die mittlere quadratische Differenz zwischen der korrekten und der du
91. orward Netzwerke 89 Mittlerer quadratischer Fehler 58 MLEF Architektur 89 MLEF Netz Training 91 MLEF Netze gegen ber PN GRN Netzen 101 N Neuronale Netze gegen ber statistischen Methoden 86 neuronale Wahrscheinlichkeitsnetzwerke 50 Neuronale Wahrscheinlichkeitsnetzwerke 98 Neuronalnetzmanager Befehl 77 Numerische Probleme ii P Palisade Corporation 4 PNN Architektur 99 Professional Version iv 3 Prognose 14 24 Prognosevorschau 70 Index S Schnell bersichten in Detailberichtens 66 Solver 27 StatTools 27 Symbole Desktop 8 NeuralTools 33 Symbole in Dialogfeldern 36 Symbolleisten NeuralTools 33 Systemanforderungen 6 T Tag Variablen 42 Testberichte 23 62 Testen 14 Testen eines Netzwerks 22 Testen Befehl 59 Testvorschau 61 Trainieren Befehl 44 Training 14 Trainings Berichte 56 Trainings Fortschirtt 55 Vv Variablenanpassung 60 Variablentyp 41 Verallgemeinerte neuronale Regressionsnetzwerke 18 50 95 Vermeidung des bertrainierens 93 Voraussagen Befehl 67 107
92. ose Sie wenden ein trainiertes Netzwerk auf neue F lle an in denen die Ausgabewerte nicht bekannt sind Sie diese aber voraussagen m chten In NeuralTools stehen zur Prognose zwei Methoden zur Verf gung 1 eine befehlsgesteuerte Methode zum Voraussagen von Werten f r F lle in einem Datensatz und 2 eine Echtzeit Prognose nur in der Industrial Version bei der die unabh ngigen Variablenwerte f r einen Fall in das Arbeitsblatt eingegeben werden k nnen und NeuralTools berechnet dann automatisch den vorausgesagten Ausgabewert Falls Sie die Werte f r eine Gruppe von F llen in einem Datensatz voraussagen m chten k nnen Sie ber das Dialogfeld Prognose den Prognoseprozess einrichten Sie k nnen beispielsweise die Prognose nur f r F lle mit fehlenden Ausgabewerten ausf hren und dann optional die Echtzeit Prognose aktivieren um nderungen an den Daten vornehmen und beobachten zu k nnen wie sich das auf die Prognosen auswirkt Auch k nnen verschiedene trainierte Netze verwendet werden um zu sehen wie sich die vorausgesagten Werte dadurch ver ndern NeuralTools Prognose Datensatz Prognosedaten Zu verwendendes Netz Auf Trainingsdaten trainier In Aktive Arbeitsm i Yariablenanpassung Automatisch Bearbeiten Voraussagen f r F lle mit fehlenden abh ngigen Werten C Alle F lle e Optionen 7 Vorausgesagte Werte direkt im Datensatz platzieren IV Echtzeit Prognose aktivieren IV Keine Echtzeit Progno
93. oten oder Neuronen genannt werden Die einzelnen Neuronen f hren jeweils einen Teil der Berechnungen innerhalb des Netzes aus Jedes Neuron nimmt eine relativ einfache Berechnung einiger Eingaben vor und ergibt dann eine Ausgabe Der Ausgabewert eines Neurons wird dann als eine der Eingaben f r ein anderes Neuron weitergegeben sofern es sich nicht um Neuronen handelt die die endg ltigen Ausgabewerte f r das gesamte System generieren Neuronen sind in Schichten angeordnet Die zur Eingabeschicht geh renden Neuronen erhalten die Eingaben f r die Berechnungen wie z B L nge Durchmesser und Gewicht einer Abalone Muschel Diese Werte werden dann an Neuronen in der ersten ausgeblendeten Schicht weitergegeben die dann Berechnungen an diesen Eingaben vornehmen und die entsprechenden Ausgaben an die n chste Schicht weitergeben Diese n chste Schicht falls vorhanden k nnte ebenfalls ausgeblendet sein Die Ausgaben der Neuronen in der letzten ausgeblendeten Schicht werden an das Neuron oder die Neuronen weitergeleitet die die endg ltigen Ausgaben f r das Netz generieren Daraus geht dann z B das Alter der Abalone Muschel hervor Weitere Info ber neuronale Netzwerke 85 Numerische und Katagorieprognosen Wenn neuronale Netze dazu verwendet werden Zahlenwerte vorauszusagen haben sie meistens nur eine Ausgabe Einzelausgabenetze sind zuverl ssiger als Netze mit mehreren Ausgaben Auch kann fast jedes beliebige Prognoseproblem durch
94. r F lle an die au erhalb der bekanntesten liegen Wir beachten jedoch nicht besonders die F lle die unabh ngige Werte um 10 herum haben Je n her ein bekannter Fall an dem bekannten liegt desto h here Wertigkeit wird ihm beim Sch tzen des unbekannten abh ngigen Wertes gegeben Das verallgemeinerte neuronale Regressionsnetz beruht auf diesen intuitiven Ideen Die einzelnen Trainingsf lle werden in dem Netz dargestellt Bei jedem Fall berechnet das Netz den vorausgesagten abh ngigen Wert und zwar unter Verwendung der abh ngigen Werte aus jedem Trainingsfall Bekanntere Trainingsf lle tragen dabei erheblich mehr zum Ausgabewert bei Ein verallgemeinertes neuronales Regressionsnetz f r zwei numerisch unabh ngige Variablen wird wie im Diagramm zu sehen konstruiert sofern nur drei Trainingsf lle vorhanden sind Ausgabe Summierungsschicht Z hler und Nennerknoten Musterschicht ein Neuron pro Trainingsfall Eingaben Weitere Info ber neuronale Netzwerke 95 Die Musterschicht enth lt einen Knoten pro Trainingsfall Dem Netz wird hier ein Trainingsfall vorgelegt indem zwei numerisch unabh ngige Werte pr sentiert werden Jedes Neuron in der Musterschicht berechnet dabei seine Distanz vom vorgelegten Fall Bei den Werten die an den Z hler und den Nennerknoten weitergegeben werden handelt es sich um Funktionen die mit der Distanz und dem abh ngigen Wert zu tun haben Die beiden Knoten in der Summierungsschicht
95. rchs Netz erhaltenden Antwort Bei der Klassifikation haben wir mehr als eine Ausgabe f r jeden Trainingsfall d h jeweils eine Ausgabe pro abh ngiger Kategorie Wir berechnen den mittleren quadratischen Fehler aller Trainingsfallausgaben indem wir auf die gew nschten Ausgabewerte verweisen F r jeden Trainingsfall sollte der Ausgabewert m glichst dicht am Wert 1 liegen und zwar jeweils f r die der korrekten Kategorie entsprechende Ausgabe Die brigen Ausgabewerte sollten dicht an 0 liegen Der MLF Trainings Algorithmus von NeuralTools startet automatisch viele Male neu und zwar jedesmal mit unterschiedlichen anf nglichen Startfaktoren Mit anderen Worten je l nger ein Netz trainiert wird desto besser Je fter dem Netz erm glicht wird sich erneut zu starten desto wahrscheinlicher ist es dass das globale Minimum der Fehlerfunktion gefunden wird Weitere Info ber neuronale Netzwerke 91 Topologieauswahl Vermeidung des bertrainierens 92 Durch Auswahl der Anzahl an Schichten und Neuronen in den Schichten wird bestimmt ob das Netz in der Lage ist die Beziehung zwischen den unabh ngigen und den abh ngigen Variablen herauszufinden Normalerweise ist eine ausgeblendete Schicht nebst zwei Neuronen nicht ausreichend um ein zufrieden stellendes Fehlererkennungs Niveau zu erreichen Um die Anzahl an Schichten und Neuronen zu erh hen ist jedoch ein Preis zu zahlen der oft nicht der M he wert ist Eine einzige ausgebl
96. rd eine benutzerdefinierte NeuralTools Funktion verwendet um die vorausgesagten Werte zu berechnen wie z B in NetOutputPrediction _PALDS_DG25B8C82B A 140 DG25B8C82B VGIDDS3AF2 Prognosedaten A 6 1 6 A7 17 Die entsprechende Formel braucht nicht von Ihnen eingegeben werden da sie durch NeuralTools automatisch Ihrem Arbeitsblatt hinzugef gt wird Durch die Argumente kann NeuralTools feststellen welches trainierte Netzwerk verwendet wird und auch wo sich die unabh ngigen Werte im Arbeitsblatt befinden Wenn Werte f r eine f r den betreffenden Fall eingegebene Variable hinzugef gt oder ge ndert werden gibt NeuralTools automatisch einen neuen vorausgesagten Wert zur ck Dadurch ist es einfach f r neue F lle weitere Prognosen zu erstellen oder hinzuzuf gen und zwar unter Verwendung des bestehenden trainierten Netzes Hinweis Falls die Prognose auf Zellwerten basiert die sich wahrscheinlich nicht ndern werden sollte die Option Echtzeit Zukunftsprognose im Dialogfeld Training oder Prognose deaktiviert werden da dadurch in Excel die Arbeitsmappe erheblich schneller neu berechnet werden kann Befehlsreferenz Dialogfeld Im Dialogfeld Prognosevorschau ist der Prognoseaufbau f r den Prognosevorschau ausgew hlten Datensatz zu sehen und zwar einschlie lich irgendwelche in den Daten oder der Einstellungsprognose erkannten Fehlern In diesem Dialogfeld sind alle Ihre ausgew hlten und durch NeuralTools ber
97. rdefinierte Anpassung m Variablen im Datensatz so ausw hlen dass sie den Variablen im trainierten Netz entsprechen Typ KAT NUM NUM NUM NUM NUM NUM NUM Training Variablen Datensatzvariablen Geschlecht Geschlecht Durchmesser Durchmesser Enth lst Gesamtgewicht H he L nge Muschelgewicht Muschelinhalt Referenz NeuralTools Men befehle 59 Im Dialogfeld Variablenanpassung sind die Namen der Variablen in jedem Datensatz aufgelistet damit sie einander angepasst werden k nnen Es k nnen nur Variablen des gleichen Typs einander angepasst werden Bei jeder Anpassung werden die vorgenommenen Zuweisungen zusammen mit dem Datensatz gespeichert Durch Klicken auf Vorherige Anpassung laden k nnen die vorherig vorgenommenen Anpassungen durchgesehen werden um auf einen Satz von fr heren Zuweisungen f r den Datensatz zuzugreifen Dialogfeld In dem Dialogfeld Testvorschau wird vor Testbeginn der Aufbau des Testvorschau aktuellen Netzwerktests angezeigt und zwar zusammen mit irgendwelchen Fehlern die in Ihren Daten festgestellt wurden In diesem Dialogfeld sind alle Ihre ausgew hlten und durch NeuralTools berichteten Voraussetzungen f r den Test zu sehen Im Abschnitt Fehler und Warnungen werden irgendwelche Probleme beschrieben die NeuralTools in Ihren Daten oder Einstellungen erkannt hat und die notfalls noch vor dem Test berichtigt werden k nnen NeuralTools Testvorschau Netz und Einstellun
98. rke Neuronale Netzwerke sind in der Lage komplexe Datenbeziehungen zu erkennen Durch Nachahmung der Gehirnfunktionen k nnen diese Netze bestimmte Datenstrukturen erkennen und dann entsprechende Prognosen extrapolieren wenn neue Daten verf gbar werden Neuronale Netzwerke werden f r Probleme verwendet die in zwei allgemeine Gruppen unterteilt werden k nnen e Klassifizierungsprobleme Probleme bei denen festgestellt werden muss in welche Kategorie ein unbekanntes Element f llt Beispiele hierf r sind z B medizinische Diagnosen und Prognosen in Bezug auf Kreditz ckzahlungsf higkeit e Numerische Probleme Situationen in denen ein bestimmtes Zahlenergebnis vorausgesagt werden muss Beispiele hierf r sind z B Aktienkursprognosen und Umsatzvoraussagen f r eine zuk nftige Zeitperiode Im NeuralTools Programm werden Beispiele daf r gegeben wie Neuronalnetze auf verschiedene Prognosenprobleme angewendet werden k nnen Der Ordner NeuralTools Beispiele enth lt diese Beispiele in Form von Excel Arbeitsmappen Kapitel 2 berblick ber NeuralTools 13 14 NeuralTools und neuronale Netzwerke Bei Verwendung von NeuralTools werden Neuronalnetze mithilfe von vier Schritten entwickelt und verwendet e _Datenvorbereitung Die in NeuralTools zu verwendenden Daten werden in Datens tzen definiert Ein Datensatzmanager wird dazu verwendet die Datens tze so einzurichten dass sie in den Neuronalnetzen immer erneut wieder verwe
99. rscheinlichkeits PN Netze Diese Netzarten basieren auf sich hnlichen Ideen GRN Netze werden f r numerische Prognose Funktionsann herung verwendet w hrend PN Netze f r Kategorieprognose Klassifizierung geeignet sind Beide diese Netzarten wurden durch Donald Specht erkl rt und vorgetragen Probabilistic Neural Networks Neural Networks 3 1990 Seite 109 118 A General Regression Neural Network IEEE Transactions on Neural Networks 2 1991 Seite 568 576 Diese Netze sind detailliert in Masters 1995 beschrieben und nachstehend wird ein berblick ber diese Pr sentation gegeben Um zus tzliche Einzelheiten zu erhalten sollten Sie in diesen Quelldokumentationen nachschlagen Verallgemeinerte neuronale Regressionsnetze Sie sollten sich beispielsweise den im nachstehenden Diagramm gezeigten Trainingsdatensatz ansehen der eine numerisch unabh ngige und eine numerisch abh ngige Variable hat 94 Verallgemeinerte neuronale Regression GRM und Wahrscheinlichkeits PN Netze GRN Architektur Mit blo em Auge ist in den Daten ein Muster zu erkennen Wenn wir nach dem unbekannten abh ngigen Wert f r den unabh ngigen Wert 6 gefragt werden ist ziemlich leicht zu sch tzen dass dieser gr er als 200 und kleiner als 400 ist Diese Sch tzung basiert nat rlich nicht auf den zwei bekanntesten F llen die auf einen Wert kleiner als 200 hindeuten w rden Mit anderen Worten wir sehen uns hie
100. rte neuronale Regression GRM und Wahrscheinlichkeits PN Netze Weitere Info ber neuronale Netzwerke Genau wie bei den GRN Netzen besteht das Training eines PN Netzes aus dem Optimieren der Gl ttungsfaktoren um den Fehler im Trainingssatz zu minimieren Zu diesem Zweck wird die Optimierungsmethode Konjugiertes Gradienten Verfahren verwendet Der w hrend des Trainings verwendete Fehlermesswert um die verschiedenen S tze von Gl ttungsfaktoren auszuwerten wird auf Basis all der Werte berechnet die in der Summierungsschicht durch Neutronen f r s mtliche Trainingsf lle zur ckgegeben wurden Dieser Messwert ber cksichtigt nicht nur die Wahrscheinlichkeit die der richtigen Kategorie zugewiesen wurde sondern auch die Verteilung von Wahrscheinlichkeiten die den falschen Kategorien zugewiesen wurden eine ungef hr gleichf rmige Verteilung von Wahrscheinlichkeiten unter falschen Kategorien ist besser als irgendeine falsche Kategorie mit einer sehr gro en Wahrscheinlichkeit Es ist jedoch zu beachten dass bei Berechnung des Fehlers f r einen Trainingsfall dieser Fall vor bergehend nicht in die Musterschicht mit einbezogen wird Durch das nicht mit einbezogene Neuron w rde n mlich eine Nulldistanz berechnet werden wodurch andere Neuronen f r die Berechnung unbedeutend sein w rden 99 MLF Netze gegen ber PN GRN Netzen 100 Alle in NeuralTools verf gbaren neuronalen Netzwerktypen haben gewisse Vorteile und Nachteile
101. s Befehlsleiste verf gbar Referenz NeuralTools Symbole 33 34 In Excel 2007 sind in der NeuralTools Befehlsleiste folgende Symbole zu sehen Symbol Datensatzmanager Ki ay B Trainieren at Testen gt gt Voraussagen Dienstprogramme Hilfe Symbolfunktion und entsprechender Befehl Datensatz und Variablen definieren oder einen bestehenden Datensatz nebst Variablen bearbeiten bzw l schen Entsprechender Befehl Datensatzmanager Neuronales Netzwerk trainieren Neuronales Netzwerk testen Werte mithilfe eines trainierten Netzwerks voraussagen Entsprechender Befehl Voraussagen Dienstprogramme des neuronalen Netzwerks ausf hren Entsprechender Befehl Dienstprogramme NeuralTools Hilfedatei anzeigen Entsprechender Befehl Hilfe NeuralTools Symbolleiste Referenz NeuralTools Men befehle Einf hrung Dieser Abschnitt des Referenzhandbuchs enth lt detaillierte Informationen ber die NeuralTools Befehle die in Excel im NeuralTools Men oder in der Befehlsleiste verf gbar sind Die Befehle werden in der Reihenfolge er rtert in der sie in der Men leiste erscheinen d h angefangen mit dem Befehl Datensatzmanager und von da aus nach rechts gehend Viele der verf gbaren Befehle k nnen auch ber die NeuralTools Symbole ausgef hrt werden Im Abschnitt Referenz NeuralTools Symbole in diesem Kapitel sind die Befehle aufgef hrt die den einzelnen NeuralTo
102. s Test und Prognoseberichte fest Der Befehl Anwendungseinstellungen erm glicht Ihnen genau auszuw hlen 1 welche Berichte f r Training Testen und Prognose zu erstellen sind 2 welche Trainings Standardwerte zu verwenden sind und 3 welche Standardwerte f r Prognose und Ausf hrzeit benutzt werden sollten Bei vielen der Anwendungseinstellungen handelt es sich um Standardwerte zur Verwendung in den Dialogfeldern Training Testen und Prognose In diesen Dialogfeldern sind weitere Informationen ber die betreffenden Einstellungen zu finden Andere Einstellungen werden nachstehend beschrieben NeuralTools Anwendungseinstellungen Allgemeine Einstellungen Sprache Begr ungsbildschirm anzeigen Berichte Zu erstellende Berichte bersichtsberichte platzieren in Dieselbe Arbeitsmappe wieder verwenden Detailberichtsplatzierung Spalten in Detailberichten Gute schlechte Toleranz Training Gute schlechte Toleranz Testen Allgemeine Standardwerte f rs Training Autom testen Testf lle Autom voraussagen Echtzeit Prognose aktivieren Direkt im Datensatz voraussagen Auswirkungen der Yariablen berechnen Standardwerte f r Netzkonfiguration Lineare Regression ausf hren Netztyp Standardwerte f r Ausf hrzeiten Zeit Stunden Yersuche Anzahl der Yersuche Fortschritt Fehler nderung Minuten 2 a Falsch Automatisch Neue Arbeitsmappe Falsch vorhandene Berichte berschreiben Automat
103. satz verkn pften Excel Bereich Wenn einem Datensatz mehrere Zellbereiche zugewiesen wurden steht vor diesem Eintrag die Bezeichnung Mehrfach e Zellformatierung anwenden f gt Raster und Farben hinzu um die Datens tze zu identifizieren e Mehrfach durch Klicken auf Mehrfach im Dialogfeld Datensatzmanager wird das Dialogfeld Mehrfachbereichs Selektor angezeigt Dieses Dialogfeld erm glicht Ihnen die einzelnen Zellbereiche einzugeben aus denen sich der aus mehreren Zellbereichen bestehende Datensatz zusammensetzt 38 Befehlsreferenz e Importieren erm glicht das Kopieren von Variablentypen aus einem anderen Datensatz oder trainierten neuronalen Netz in diesen Datensatz ber das Dialogfeld Variablentypen importieren k nnen Sie den Speicherort und das Netz f r Definition der Variablen ausw hlen NeuralTools Variablentypen importieren Zieldatensatz Trainingsdaten Netz oder Datensatz ausw hlen um Yariablentypen zu importieren aus Position Trainiertes Netz x Zu verwendendes Netz Durchsuchen Referenz NeuralTools Men befehle 39 Optionen f r Im Dialogfeld Datensatzmanager sind in jeder Rasterzeile die N Variablen eines Datensatzes aufgelistet einschlie lich des Excel Datenbereichs der die Datenpunkte f r die Variable enth lt des Variablennamens und des Variablentyps Ef NeuralTools Datensatzmanager Alter der Seeohrmuschel xis Neu Prognosedaten Testdaten L schen Trainingsda
104. se bei F llen mit fehlenden oder ung ltigen Werten hinzuf gen Genau wie beim Training und Testen wird NeuralTools erst eine Vorschau von Daten und Einrichtung anzeigen bevor diese zur Prognose verwendet werden Anschlie end sind diese Prognosen in Excel in Ihrem Arbeitsblatt zu sehen berblick Prognoseergebnisse Echitzeit Prognose Die vorausgesagten Ausgabewerte sind neben den F llen zu sehen f r die die Prognose ausgef hrt wurde Im folgenden Bildschirm sind die vorausgesagten Werte in Violett angezeigt ad z Alter der Seeohrmuschel xis Kompatibilit tsmodus Microsoft Excel i k ca r m Stat Einf gen Seitenlayout Formeln Daten berpr fen Ansicht Neuralfools o ii gt en gt Dienstprogramme z t za Hitte Datensatzmanager Trainieren Testen Voraussagen Daten Neuronale Netze Tools 0 2571 0 11 0 125 0 4785 0 20 0 09 0 179 0 0775 Voraussage voraussagen voraussagen 4 m Tramingsdaten Testdaten Prognosedaten Neuraifool bersicht 3 Bereit I on Wenn Echtzeit Prognose aktiviert ist wird durch NeuralTools der Zelle in der der vorausgesagte Wert zu sehen sein soll automatisch eine Excel Formel hinzugef gt Durch diese Formel wird der vorausgesagte Wert erzeugt Mit anderen Worten wenn Sie die unabh ngigen Variablenwerte f r einen Fall ndern wird der vorausgesagte Wert automatisch entsprechend neu berechnet
105. sfaktoren die die besten Prognosen ergeben Bei neuronalen Wahrscheinlichkeitsnetzwerken und verallgemeinerten neuronalen Regressionsnetzwerken handelt es sich bei einem Versuch um die Zuweisung von Gl ttungsfaktoren an Variablen Das Training besteht aus der Suche nach den besten Gl ttungsfaktoren e Fortschritt legt fest dass NeuralTools nicht mehr weitermachen soll wenn die Fehlerstatistik im angegebenen Zeitrahmen nicht mindestens um den eingegebenen Prozentsatz verbessert werden kann Befehlsreferenz Dialogfeld loc In dem Dialogfeld Trainings Vorschau wird vor Beginn des Trainings Vorschau Trainings der Aufbau des aktuellen Netzwerk Trainings angezeigt und zwar zusammen mit irgendwelchen Fehlern die in Ihren Daten festgestellt wurden In diesem Dialogfeld sind alle Ihre ausgew hlten und durch NeuralTools berichteten Trainings Vorraussetzungen zu sehen Im Abschnitt Fehler und Warnungen werden irgendwelche Probleme beschrieben die NeuralTools in Ihren Daten oder Einstellungen erkannt hat und die notfalls noch vor dem Training berichtigt werden k nnen NeuralTools Trainingsvorschau Trainings Einstellungen Datensatzinformationen Netzposition Aktive Arbeitsmappe Name Trainingsdaten Autom testen NEIN Handbuchfall Tags NEIN Autom voraussagen NEIN Zeilenanzahl 3177 Berichte bersicht JA Detailliert NEIN Anzahl g ltiger Trainingsf lle 3177 Netzkonfig GRNN Max Trainingszeit 2 Stunden Var
106. ster asp vornehmen Wenn Sie sich telefonisch mit uns in Verbindung setzen sollten Sie immer die Seriennummer und das Benutzerhandbuch parat haben Au erdem k nnen wir Sie technisch besser unterst tzen wenn Sie vor dem Computer sitzen und arbeitsbereit sind Bevor Sie unseren technischen Support anrufen ist es angebracht folgende Pr fliste nochmals abzuhaken e Haben Sie sich die Online Hilfe angesehen e Haben Sie in diesem Benutzerhandbuch nachgeschlagen und auch das Multimedia Lernprogramm online durchgearbeitet e Haben Sie die Datei README WRI gelesen Sie enth lt aktuelle NeuralTools Informationen die evtl bei Drucklegung des Handbuchs noch nicht zur Verf gung standen e K nnen Sie das Problem nachvollziehen Kann das Problem auch auf einem anderen Computer oder bei einem anderen Modell nachvollzogen werden e Haben Sie sich bereits unsere Web Seite http www palisade com angesehen Sie enth lt die neueste FAQ eine durchsuchbare Datenbank mit Fragen und Antworten welche den technischen Support betreffen sowie NeuralTools Patches Korrekturprogramme die unter Technical Support zu finden sind Wir empfehlen Ihnen regelm ig unsere Web Seite aufzusuchen damit Sie sich laufend ber die neuesten NeuralTools Informationen sowie ber anderweitige Palisade Software informiert halten k nnen Palisade Corporation ist dankbar f r alle Fragen Bemerkungen oder Vorschl ge die mit NeuralTools zu tun haben
107. tegorieprognose ist in dieser Spalte nur zu sehen ob die vorausgesagte Kategorie auch mit der wirklichen Kategorie bereinstimmt 7 Wahrscheinlichkeit f r alle Kategorien f r PNN Wenn diese Option ausgew hlt und ein neuronales Wahrscheinlichkeitsnetz trainiert wird erscheint jeweils eine Spalte f r jede abh ngige Kategorie Wenn das Netz beispielsweise dazu verwendet wird eine Farbe vorauszusagen sind vielleicht die Spalten rot gelb und gr n mit dem Prozentsatz der Wahrscheinlichkeit zu sehen die jeder dieser Farben zugewiesen wurde e Gute schlechte Toleranz Wenn beim Testen und Training die numerische Prognose innerhalb des f r den Wert der aktuellen abh ngigen Variable eingegebenen Prozentsatzes liegt wird die Prognose als gut angesehen Referenz NeuralTools Men befehle 75 Befehl Neuronalnetzmanager Erm glicht das Kopieren Verschieben und L schen von trainierten neuronalen Netzwerken ber den Befehl Neuronalnetzmanager k nnen Sie trainierte neuronale Netzwerke verwalten indem Sie sie z B aus einer Arbeitsmappe oder Datei in eine andere verschieben oder den Netzen beschreibende Informationen hinzuf gen NeuralTools Neuronalnetzmanager Netz ausw hlen Aus Excel Arbeitsmappe Auf Trainingsdaten trainiertes Netz Aktive Arbeitsmappe Entfernen Aus Datei Netzinformationen Name Auf Trainingsdaten trainiertes Netz Beschreibung Konfiguration Num
108. ten Datensatz Name Trainingsdaten Excel Bereich Trainingsdaten 430 13207 Ss Mehrfach IV Zellformatierung anwenden Variablen Excel Datenbereich Variablenname Trainingsdaten 431 43207 Geschlecht Kategorieunabh ngia et Trainingsdaten B31 B3207 L nge Trainingsdaten C31 C3207 Durchmesser Kategorieunabh ngig Trainingsdaten D31 D3207 H he INumerisch abh ngig Trainingsdaten E31 E3207 Gesamtgewicht INumerisch unabh ngig Trainingsdaten F31 F3207 Enth lst Tag Trainingsdaten G31 63207 Muschelinhalt Unbenutzt Trainingsdaten H31 H3207 Muschelgewicht Numerisch unabh ngig Trainingsdaten I31 13207 Ringe Unbenutzt Trainingsdaten J31 33207 Alter Numerisch abh ngig x 10 Variablen 3177 Datenzellen pro Variable Importieren 7 OK Abbrechen F r Variablentyp k nnen folgende Optionen eingestellt werden e Kategorieabh ngig eine abh ngige oder Ausgabevariable deren m gliche Werte aus einem Satz von m glichen Kategorien stammen z B Ja oder Nein oder Rot Gr n oder Blau e Kategorieunabh ngig eine unabh ngige Variable deren m gliche Werte aus einem Satz von m glichen Kategorien stammen Z B Ja oder Nein oder Rot Gr n oder Blau e _Numerisch abh ngig abh ngige oder Ausgabevariable deren m gliche Werte numerisch sind e _Numerisch unabh ngig eine unabh ngige Variable deren m gliche Werte numerisch sind wooo Befehlsreferenz Weitere Info zu Tag Variablen
109. ten lassen Sie k nnen die vorausgesagten Werte im Datensatz durch die verschiedenen Farben erkennen 2 Echtzeit Prognose aktivieren legt fest dass NeuralTools entsprechende Formeln in den Zellen platzieren soll in denen die vorausgesagten abh ngigen Variablen zu sehen sind Durch diese Formeln kann NeuralTools die vorausgesagten Werte als Ver nderung der unabh ngigen Werte berechnen Referenz NeuralTools Men befehle 67 Echtzeit Prognose 68 3 Keine Echtzeit Prognose bei F llen mit fehlenden oder ung ltigen Werten hinzuf gen legt fest dass keine Formel f r Echtzeit Zukunftsprognose hinzugef gt werden soll wenn f r den betreffenden Fall keine Werte f r die Eingabevariable vorhanden sind Wenn Eingabewerte fehlen werden dadurch aus den Prognoseformeln fehlerhafte Werte zur ckgegeben Es k nnte jedoch n tzlich sein NeuralTools trotz fehlender unabh ngiger Werte zu erlauben Formeln einzugeben da dann sofort nach Einf llen der fehlenden Werte automatisch die Prognose angezeigt werden kann Die Echtzeit Prognose stellt eine leistungsstarke Funktion in NeuralTools Industrial dar die Ihnen erm glicht in Excel automatisch Prognosen vorzunehmen ohne vorher erst einen speziellen Voraussage Vorgang ausf hren zu m ssen Mithilfe der Echtzeit Prognose kann NeuralTools entsprechende Formeln in den Zellen platzieren in denen die Werte der vorausgesagten abh ngigen Variablen zu sehen sind F r diese Formeln wi
110. tz mit neuen Detailberichten um einen Detailbericht manuell zu l schen m ssen Sie die berschriften der Spalten die diesen Bericht enthalten durch Markieren ausw hlen und dann im Men Bearbeiten auf L schen klicken Rechts vom Datensatz f gt neue Spalten rechts vom Datensatz ein um dort die neuen Detailberichte zu platzieren Rechts von vorhandenen Berichten verwendet die Spalten rechts vom Datensatz sowie vorhandene Berichte um die neuen Detailberichte zu platzieren Referenz NeuralTools Men befehle 73 74 e Spalten in Detailberichten F r jede ausgew hlte Zeile wird rechts vom Datensatz im Detailbericht eine Spalte angezeigt in de die Informationen f r die einzelnen F lle zu sehen sind NeuralTools In Detailberichten anzuzeigende Spalten Verwendetes Tag Durch Verwendung des Netzes erstellte Prognose wahrscheinlichkeit der vorausgesagten Kategorie f r PNN wahrscheinlichkeit von Falschen Kategorien f r PNN Residualfehler Gute schlechte Auswertungen wahrscheinlichkeit aller Kategorien F r PNN Spalte Training Testen Prognose 1110003 FAR R K KI g Folgende Spalten k nnen angezeigt werden 1 Verwendetes Tag Die Tags Training Testen und Prognose sind f r jeden Fall zu sehen wenn er als Teil des Trainings oder Testsatzes verwendet wurde oder wenn eine Prognose in einem bestimmten Fall gestellt wurde Durech Verwendung des Netzes erstellte Prognose zeigt eine durch
111. unktionen k nnen daher Daten aus Microsoft SQL Server Oracle Microsoft Access oder irgendeiner anderen mit ODBC konform gehenden Datenbank eingelesen werden Daten k nnen aus Textdateien oder auch anderen Anwendungen geladen werden Mit anderen Worten solange ein Einlesen der Daten in Excel m glich ist k nnen sie auch in NeuralTools verwendet werden Alle Ergebnisse und Daten aus NeuralTools werden in Excel Arbeitsmappen gespeichert Sie k nnen Ihre Ergebnisse und Netzwerke aus NeuralTools direkt an andere Kollegen oder Mitarbeiter senden genauso wie das bei anderen Excel Dateien der Fall ist Freigeben ist praktisch Kinderspiel NeuralTools Professional und Industrial Es sind zwei Version von NeuralTools verf gbar Professional und Industrial Zwischen diesen beiden Versionen bestehen folgende Unterschiede e In NeuralTools Professional werden maximal 1000 Vorf lle unterst tzt w hrend in NeuralTools Industrial mit bis zu 16 777 216 F llen gearbeitet werden kann e Echtzeit Prognosen die die Berechnung von vorausgesagten Werten erm glichen w hrend neue Daten in das Excel Arbeitsblatt eingegeben werden sind nur in NeuralTools Industrial verf gbar Diese Echtzeit Berechnung wird ganz automatisch vorgenommen genau wie das bei anderen Neuberechnungen in Excel der Fall ist Willkommen Inhaltsverzeichnis Inhaltsverzeichnis Kapitel 1 Erste Schritte 1 EINF HRUNG ee seen geh T 3 Info zu dieser Version
112. uralTools In Detailberichten anzuzeigende Spalten zu sehen W hlen Sie in diesem Dialogfeld die Option Wahrscheinlichkeiten f r alle Kategorien f r PNN zum Testen aus Trainieren Sie anschlie end ein PNN Netz auf einen Datensatz ein der mindestens 3 Kategorien in der abh ngigen Variablen enth lt die Beispieldatei Autokredite xls kann hierf r verwendet werden Zu diesem Zeck muss Autom testen ausgew hlt sein In dem sich daraus ergebenden Detailbericht k nnen Sie sehen wie die Werte in der Spalte Falsche sich auf die Wahrscheinlichkeiten beziehen die den einzelnen m glichen Kategorien zugewiesen wurden Falsche bezieht sich auf die Summe der Wahrscheinlichkeiten f r alle falschen Kategorien Befehlsreferenz 3 Klassifizierungs Matrix vergleicht die aktuellen mit den vorausgesagten Kategorien und zwar von Kategorie zu Kategorie Die Klassifizierungs Matrix k nnte z B zu erkennen geben dass ein Netz wie vorgesehen irgendeine Krankheit in Patienten erkennt aber die Tendenz hat diese Krankheit f lschlicherweise mitunter auch f r gesunde Patienten anzuzeigen 4 Histogramm der Wahrscheinlichkeit von falschen Kategorien nur bei PNN Netzen verf gbar weitere Informationen ber Wahrscheinlichkeit von falschen Kategorien finden Sie vorstehend unter Mittlere falsche Wahrscheinlichkeit F r die Numerische Prognose ist in den Hauptstatistiken und Diagrammen des Test bersichtsberichts folgendes zu finden

NeuralTools - Palisade Corporation

Contents

Download Pdf Manuals

Related Search

Related Contents