Embed Size (px)
DESCRIPTION
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 - PowerPoint PPT Presentation
Citation preview
智能中国网提供学习支持 www.5iai.com
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
绘图按钮
神经网络工具
构建的神经网络
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
拖拉所需要的神经网络控件构建
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 (D
eltaNorm1) 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。
归一化前
归一化后
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 (Out
put 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
股票实际走势
股票预测走势
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 2NDN 建立 XOR神经网络模型并训练至较小的均方误差，导出为 xor.snet文件。
3. 用 2NDN 神经网络建模型仿真工具实现混合编程
（ 2 ）开发用户界面 打开 JBuilder2006，新建工程 xorjb2006，在工程中新建应用程序 xorapp.java ，设置 class属性为“ Frame1”，如下图所示。
3. 用 2NDN 神经网络建模型仿真工具实现混合编程
在工程 xorjb2006 中打开 Frame1.java 文件，点击界面下方的“ Design” 按钮，通过拖拉方式设计界面，其中包括两个 JTextfield 组件、两个 JLable 组件和一个 JButton 组件。按下图所示调整组件位置、设置组件属性。
3. 用 2NDN 神经网络建模型仿真工具实现混合编程
设计好整个界面的布局，点击“提交”按钮，设置鼠标点击的属性，具体代码如下：
3. 用 2NDN 神经网络建模型仿真工具实现混合编程
（ 3 ）嵌入 XOR模型并编写功能代码 在工程xorjb2006中新建类 EmbeddedXOR.java ，用来实现导入神经网络模型 xor.snet 并运算的功能，下面是这一部分的代码。
3. 用 2NDN 神经网络建模型仿真工具实现混合编程
（ 4 ）程序的测试 经过上面的几个步骤，这个桌面程序已经完成。下面测试一下它的功能。运行程序，在文本框中输入 1 ，0两个数据，如下图所示。
单击“提交”后
小结
2NDN 神经网络建模仿真工具简介基于时间序列的股票预测模型用 2NDN 神经网络建模仿真工具实现混
合编程
谢谢！
