NetMaker - neural network designer and simulator

<body bgcolor="#ffffff"> <p>Frames not supported!</p> <h1>NetMaker - neural networks designer and simulator</h1> <p>NetMaker is an advanced, open source tool for designing and simulating neural networks of many types and purposes (data mining: classification, detection, identification, pattern recognition; parameter estimation, function approximation, time sequence prediction, ...).</p> <h3>Network types supported:</h3>Feed-forward MLP, recurrent RMLP, Cascade-Correlation.<br> Dynamic size adjustments algorithm implemented for MLP/RMLP networks, optionally supported by Optimal Brain Surgeon (OBS) technique for weight elimination (MLP networks only).<br> <h3>Training algorithms:</h3>Steepest-descend with momentum term (on-line and off-line approach), quick-prop, conjugate gradients with variations.<br><br> Various activation (sigmoid /<i>logistic</i>/, centered sigmoid, hyperbolic tangent, linear, arcus tangent, Elliott) and error functions (MSE, fourth power, asymmetric, hyperbolic tangent ...).<br> Standard classification techniques: kNN, SVM and other likelihood estimators.<br> Preprocessing: normalization, QSVD, ICA, FFT.<br>Graphs and plots of many types for visualization of data characteristics, network training progress and results.<br><br> Applied in real life for data analysis of high energy physics (HEP) and neutrino experiments at CERN:<br> - Estimation (parameterization) of aLL parameters for COMPASS experiment.<br> - Selection of photon-gluon fusion in deep inelastic scattering (DIS), high-pt range (SMC, COMPASS).<br> - Selection of D-star and D-zero events (COMPASS).<br> - Selection of charged current tau neutrino interactions in liquid argon detector (ICARUS).<br><br> Designed in C# for MS Framework.NET (with SSE2/SSE3 optimizations for faster execution).<br><br><br> <a href="body.php">Software download page</a><br><a href="main_menu.html">Manual</a> <br><br><br>---PL---<br><span lang="pl"> Graficzny symulator sieci neuronowych - doskonały do analizy danych wszelkiego pochodzenia dzięki elastycznej konfiguracji sieci.<br> Zastosowane modele sieci: feed-forward MLP, recurrent RMLP, Cascade-Correlation.<br> Dla sieci MLP/RMLP zaimplementowany algorytm dynamicznego dopasowania liczebności neuronów (wg własnego pomysłu, zawartego w doktoracie); dostępna także technika Optimal Brain Surgeon (OBS), współpracująca z algorytmem dopasowywania struktury sieci.<br> Dużo rodzajów algorytmów uczących, funkcji aktywacji, funkcji błędu...<br> Dla porównania - klasyfikatory: kNN, SVM (port biblioteki LIBSVM v2.6), estymatory bayesowskie...<br> Wstępne przygotowanie danych - przekształcenia QSVD, ICA, FFT...<br>Generowanie wykresów: histogramy, krzywe efektywności...<br> Symulator stosowany jest w praktycznych zadaniach - w analizie danych z eksperymentów fizyki wysokiej energii i fizyki neutrin (CERN-owskie eksperymenty SMC, COMPASS i ICARUS). Symulator napisany w C# (kod dostępny na życzenie), z kluczowymi fragmentami zoptymalizowanymi z użyciem asemblera i instrukcji SSE.<br>---PL---<br><br><br>Frames not supported!</span></body>