NeuroXL Package 3.1.2
Вы сможете скачать в течение 5 секунд.
О NeuroXL Package
NeuroXL Package — это дополнение нейронной сети для Microsoft Excel. Он состоит из предсказателя и кластеризатора. NeuroXL Predictor является инструментом прогнозирования нейронных сетей, который быстро и точно решает проблемы прогнозирования и оценки в Microsoft Excel. Он разработан с нуля, чтобы помочь экспертам в решении реальных проблем прогнозирования. Интерфейс NeuroXL Predictor прост в использовании и не требует передовых знаний нейронных сетей и беспрепятственно интегрирован с Microsoft Excel. Пять функций передачи теперь доступны для выбора: Порог, Гиперболические касательные, нулевой основе бревенчатый сигмоид, журнал-сигмоид и биполярный сигмоид. Кроме того, можно сохранить обученную сеть, а затем загрузить ее, когда это необходимо. NeuroXL Predictor обеспечивает точные и быстрые прогнозы для ваших бизнес-, финансовых или спортивных задач прогнозирования. Разработанный в качестве дополнения к Microsoft Excel, легко учиться и использовать еще достаточно мощным для самых требовательных специалистов. NeuroXL Clusterizer — это дополнение для Excel, предназначенное для помощи экспертам в реальных задачах по сбору данных и распознаванию образов. Он скрывает лежащую в основе сложность процессов нейронной сети, предоставляя графики и статистику для пользователя, чтобы легко понять результаты. NeuroXL Clusterizer использует только проверенные алгоритмы и методы. NeuroXL Clusterizer является решением для расширенного кластерного анализа простых и сложных данных. Используя новейшие достижения в области искусственного интеллекта и технологии нейронных сетей, он обеспечивает точную и быструю кластеризацию. Разработанный как дополнение к Microsoft Excel, он прост в использовании и не требует импорта или экспорта данных. Кластеризатор NeuroXL может быть применен для решения проблем во многих отраслях и дисциплинах, включая финансы, бизнес, медицину и науку. Способность NeuroXL Clusterizer обрабатывать многочисленные часто взаимосвязанные переменные делает его широко применимым к кластерному анализу рыночных данных.