提供了四種方式構(gòu)建神經(jīng)網(wǎng)絡(luò)，分別是NeuralExpert、NeuralBuilder、pre-recorded macro和手動(dòng)創(chuàng)建。運(yùn)行NeuralExpert是構(gòu)建神經(jīng)網(wǎng)絡(luò)最簡(jiǎn)單的方法。本文主要介紹如何利用NeuralExpert構(gòu)建神經(jīng)網(wǎng)絡(luò)。

NeuralExpert是以詢問的方式智能地構(gòu)建神經(jīng)網(wǎng)絡(luò)。基于所需要解決問題的描述，NeuralExpert配置了相關(guān)參數(shù)和探頭。一旦你選擇了問題的類型，你可以看到左側(cè)面板上需要回答的所有問題。你可以點(diǎn)擊這些步驟/號(hào)碼瀏覽問答。一旦神經(jīng)網(wǎng)絡(luò)構(gòu)建成功，你可以直接在breadboard上或者NeuralExpert內(nèi)修改相關(guān)設(shè)置。因此，即使你不了解神經(jīng)網(wǎng)絡(luò)類型，你也可以通過NeuralExpert建立出成功的神經(jīng)網(wǎng)絡(luò)模型。

Problem Type Selection面板

利用NeuralExpert構(gòu)建神經(jīng)網(wǎng)絡(luò)的第一步是指定問題類型。NeuralExpert 包含了四個(gè)問題類型：Classification、Prediction、Function Approximation和Clustering。如果你的問題不屬于這四種類型之一，那么你就應(yīng)該選擇NeuralBuilder。

Input File Selection面板

選擇了問題類型后，你需要選擇輸入文件。Input File Selection面板用于指定輸入文件的位置。

Tag Input Columns面板

構(gòu)建模型的下一步是標(biāo)記輸入列。NeuralExpert標(biāo)簽輸入列面板用于指定哪些數(shù)據(jù)將傳入神經(jīng)網(wǎng)絡(luò)。ASCII列數(shù)據(jù)通常作為第一行的列標(biāo)簽。如果不這樣，向?qū)?huì)詢問你是否想添加列標(biāo)簽。

Desired File Selection面板

Desired File Selection面板用于指定輸出數(shù)據(jù)文件的目標(biāo)位置。

Tag Desired Columns面板

NeuralExpert標(biāo)簽面板所需列用于指定你希望神經(jīng)網(wǎng)絡(luò)產(chǎn)生什么樣的數(shù)據(jù)。例如，在本圖中，數(shù)據(jù)的第一列是"SpecimenNumber，并不是我們所需要的嘗試的分類。接下來的6列被指定為輸入數(shù)據(jù)。最后一列是所期望的輸出("Sex")。

Tag Symbolic Desired面板

Tag Desired Columns面板用于設(shè)定輸出列中是否包含符號(hào)數(shù)據(jù)。符號(hào)列的每個(gè)數(shù)據(jù)元素都是一串字符。

Generalization Protection面板

通用保護(hù)面板（Generalization Protection）用于指定數(shù)據(jù)量以留作交叉驗(yàn)證。"None" 表示所有的輸入數(shù)據(jù)和所需文件將用于訓(xùn)練。當(dāng)處理較少數(shù)據(jù)（如少于100行）時(shí)，一般就用該選項(xiàng)。"Normal"表示20%的數(shù)據(jù)將被留作交叉驗(yàn)證。"High"表示40%的數(shù)據(jù)將被用于交叉驗(yàn)證。該選項(xiàng)適用于大數(shù)據(jù)量時(shí)，如10,000行或更多時(shí)。

Out Of Sample Testing面板

Out Of Sample Testing面板用于指定測(cè)試集的數(shù)據(jù)量。該百分比將隨著你測(cè)試的樣本數(shù)據(jù)網(wǎng)絡(luò)數(shù)據(jù)量的變化而變化。默認(rèn)設(shè)置是20%。

Network Complexity面板

Network Complexity面板用于指定隱藏層和處理單元（神經(jīng)元）中神經(jīng)網(wǎng)絡(luò)的規(guī)模。一般情況下，小型神經(jīng)網(wǎng)絡(luò)優(yōu)于大型神經(jīng)網(wǎng)絡(luò)。如果一個(gè)小型神經(jīng)網(wǎng)絡(luò)能夠有效地解決你的問題（你會(huì)驚奇地發(fā)現(xiàn)小型神經(jīng)網(wǎng)絡(luò)的強(qiáng)大之后），你就不必要選擇大型神經(jīng)網(wǎng)絡(luò)。因?yàn)榇笮蜕窠?jīng)網(wǎng)絡(luò)不僅需要更多的訓(xùn)練和測(cè)試時(shí)間，而且對(duì)新數(shù)據(jù)的操作性較差。

通過以上步驟，成功地利用NeuralExpert構(gòu)建神經(jīng)網(wǎng)絡(luò)，如下圖所示：