287
Elementarne wprowadzenie do techniki sieci neuronowych
Dokonując ogólnego przeglądu profesjonalnych systemów do pracy z sieciami neuronowymi zestawiłem kompletny wykaz klas dostępnych obecnie rozwiązań z krótkim omówieniem ich zalet i wad. Tak więc do tworzenia modeli sieci neuronowych możesz użyć;
=> Program pisany w języku programowania ogólnego przeznaczenia (np. C++)
Zalety: dobra przenośność i elastyczność, duża szybkość działania, bardzo wydajne uczenie.
Wady: Wymaga dużej wiedzy i dużego wkładu pracy, trudne do stosowania.
Biblioteki gotowych podprogramów Zalety: dobra przenośność i szybkość działania, wydajne uczenie Wady: Raczej dla badaczy, a nie dla użytkowników => Specjalizowane języki dla programowania sieci neuronowych Zalety: Szybsze tworzenie programów opisujących sieci Wady: Mniejsza przenośność, na ogól mniejsza szybkość działania, mniej wydajne uczenie => Makrosy do arkuszy kalkulacyjnych
Zalety: Łatwe do połączenia z istniejącymi bazami danych, wygodna obsługa dzięki udogodnieniom zawartym w arkuszu,
Wady: Mała szybkość działania, mało wydajne uczenie => Programy uzupełniające do arkuszy kalkulacyjnych
Zalety: Łatwe do połączenia z istniejącymi bazami danych, wygodna obsługa dzięki udogodnieniom zawartym w arkuszu, bardzo łatwe definiowanie sieci Wady: Mała szybkość działania, kiepska przenośność => Specjalizowane powłoki (shell)
Zalety: Umiarkowana przenośność, nie najgorsza komunikacja z bazami danych
Wady: Trudne do modyfikacji, mało przenośne => Specjalizowane powłoki ze specjalizowanymi modułami (na przykład dla inwestorów)
Zalety: Łatwe do bezpośredniego zastosowania
Wady: Trudne do modyfikacji,mało przenośne, na ogól dość drogie