60-附录 2NDN神经网络建模仿真工具.pptVIP

附录 2NDN神经网络建模仿真工具 1.2NDN神经网络建模型仿真工具简介 2NDN神经网络建模仿真工具是一款可视化的神经网络建模应用开发平台，可用于各种行业的运营管理和系统分析?，是生产效率改善的有效工具，尤其适合高校建立系统仿真实验室。 2NDN提供了40种以上的视觉化类神经组件，是一种可让使用者任意连接及合成不同的网络架构以实现类神经网络仿真及专业化应用，兼具视觉化美感的操作界面及强大功能的专业化软件。 它可以协助用户快速建构出所需的神经网络，并方便训练和测试所生成的网络模型。 1.1 2NDN主要特点 操作方便、易用 通过拖拉方式快速构建出任意复杂的神经网络模型 无缝集合和结果共享 数据来源和结果输出可以是文本文件、EXCEL电子表格、URL和JDBC数据源，能与其它应用程序和统计工具无缝结合。 编程接口 提供一套基于J2EE行业标准的编程接口，可用于开发各类数据挖掘应用程序基于插件的可扩展机制 跨平台的运行能力 系统由组件构成，组件可组装，可重用，具有可伸缩性、可测量性，其内核引擎可被用户创建的自定义类所扩展和控制。 1.2 2NDN功能简介 2.基于时间序列的股票趋势预测模型 股票趋势预测的是市场的拐点。要成功进行股市操作就要在最低点买进，在最高点卖出。 2.基于时间序列的股票趋势预测模型 基于时间序列的股票趋势预测建模 2.基于时间序列的股票趋势预测模型 设计器中的各图元说明 （1）Yahoo输入 (Input Data) 用于神经网络从yahoo接收金融市场得来的金融数据，设置方法：鼠标选中该图元，右键弹出快捷菜单，点击属性，弹出如右图所示的对话框。 2.基于时间序列的股票趋势预测模型 （2）规范化 (DeltaNorm1) 由于从Yahoo接受的数据不在神经网络能处理的范围内，因此必须先对输入样本数据进行归一化处理，设置方法：鼠标选中该图元，右键弹出快捷菜单，点击属性，弹出如右图所示的对话框。 2.基于时间序列的股票趋势预测模型 （3）Delay (Delay Input Layer) 这里，使用YahooFinance输入组件从Yahoo获取股票价格的时间序列，将其与一个延时层相连。 设置方法：鼠标选中该图元，右键弹出快捷菜单，点击属性，弹出下图所示的对话框。 2.基于时间序列的股票趋势预测模型 （4）Sigmoid (Hidden Layer) 网络隐含层，?设置方法：鼠标选中该图元，右键弹出快捷菜单，点击属性，弹出下图8所示的对话框，设置其结点数为8。 2.基于时间序列的股票趋势预测模型 （5）Sigmoid (Output Layer) 网络输出层，设置方法参见（4）。 （6）图表 (NetOutput) 这个组件用来在测试阶段显示出网络的预测结果曲线。设置方法：鼠标选中该图元，右键弹出快捷菜单，点击属性，弹出右图所示的对话框。 2.基于时间序列的股票趋势预测模型 （7）训练 (Teacher) 神经网络训练层，属性设置如附图。 （8）Yahoo输入 (Desired Data) 用于神经网络从yahoo接收金融市场得来的金融数据，用于生成训练网络的拐点信息。设置方法同 （1） 。 （9）规范化 (DeltaNorm2) 在此对训练目标样本数据进行归一化处理，设置方法同（2）。 2.基于时间序列的股票趋势预测模型 （10）拐点抽取 (TurningPnts) 生成用来训练网络的拐点信息，属性设置如附图11所示。 “最小变化率”表示两拐点之间的最小变化率，用来生成相应的信号。算法如下： 1）当市场价格上升超过期望的变化率时，前面一个低点就被标注为“买”信号，相应的输出值设为0。 2）当市场价格下降超过期望的变化率时，前面一个高点就被标注为“卖”信号，相应的输出值设为＋1。 3）上述两点之间的日期对应的期望值以插值到0与＋1的方式进行规范化。 2.基于时间序列的股票趋势预测模型 （11）图表 (RMSE Error) 均方误差曲线，用来显示训练过程中的误差变化情况。设置方法：鼠标选中该图元，右键弹出快捷菜单，点击属性，弹出右图所示的对话框。 2.基于时间序列的股票趋势预测模型 点击【运行】开始训练。控制面板上会显示训练的进度和收敛情况，如右图所示。如果权值参数选择不合理的话有可能造成网络不能收敛。这时可以选择【工具】－【初始化】，重新随机生成初始的权系数。 2.基于时间序列的股票趋势预测模型 测试生成的网络模型 3.用2NDN神经网络建模型仿真工具实现混合编程 使用Borland的java开发工具JBuilder2006来开发一个小的桌面程序，通过嵌入2NDN建好的XOR神经网络模型，来实现异或运算的功能。 （1）建立神经网络模型 利用2N