神經網路節點 - IBM

神經網路節點 · 神經網路是模擬人類大腦處理資訊方式的簡化模型。

此模型的工作方式為模擬大量類似於神經元的抽象形式的互連處理單元。

· 範例。

在篩選有可能詐騙農業發展 ... 神經網路節點 注意：此資訊與已作廢版本的神經網路建模節點有關，在這裡提供僅供參考。

在此發行版中提供了具有增強功能的新版本。

請參閱神經網路主題，以取得更多資訊。

盡管您仍然可以使用已作廢版本來建立模型並對其分數，但我們強烈建議您使用新的版本。

神經網路節點（以前稱為「訓練網路」）用於建立和訓練神經網路。

神經網路是模擬神經系統運轉方式的簡化模型。

其基本單元是神經元，通常將其組織到層中，如下面的圖所示。

圖1.神經網路的結構 神經網路是模擬人類大腦處理資訊方式的簡化模型。

此模型的工作方式為模擬大量類似於神經元的抽象形式的互連處理單元。

這些處理單元都位於層中。

神經網路通常包含三個部分：一個輸入層，其中的單元代表輸入欄位；一個或多個隱藏層；一個輸出層，帶有一個或多個代表目標欄位的單元。

這些單元通過可變的連線強度（或加權）連線。

輸入資料顯示在第一層，其值從每個神經元傳播到下一層的每個神經元。

最終從輸出層中輸出結果。

該網路可通過以下過程進行學習，即檢查個別記錄，然後為每筆記錄產生預測，並且當產生的預測不正確時，對加權進行調整。

在符合一個或多個停止準則之前，此過程會不斷重複，而網路會持續提高其預測準確度。

最初，所有的加權都是隨機生成的，並且從網路輸出的結果很可能沒有意義。

網路可通過訓練來學習。

向該網路重複應用已知道結果的範例，並將網路給出的結果與已知的結果進行比較。

從此比較中得出的資訊會傳送回網路，並逐漸改變加權。

隨著訓練的進行，該網路對已知結果的抄寫會變得越來越準確。

一旦訓練完畢，就可以將網路套用到結果不明的未來案例中。

範例。

在篩選有可能詐騙農業發展補貼的案例時，可以使用神經網路對有悖於常態的離差進行深度探索，強調顯示那些異常的、需要進一步研究的記錄。

特別值得關注的是那些相對農場類型和規模而言要求過多（或過少）補助金的補貼申請。

需求。

欄位類型沒有限制。

神經網路節點可以處理數值、符號或旗標型輸入與輸出。

「神經網路」節點應使用一個或多個角色為輸入的欄位，以及一個或多個角色為目標的欄位。

會忽略設為兩者或無的欄位。

執行節點時，欄位類型必須已完全實例化。

強度。

神經網路是功能強大的一般函數預測器。

一般而言，神經網路執行預測作業的能力非但不遜於其他技術，有時甚至還有顯著優勢。

還有，它們只需很少的統計或數學知識即可進行訓練或套用。

IBM®SPSS®Modeler糅合了若干種用來避免神經網路常見缺陷的功能，其中包含幫助解譯網路的敏感度分析（已在變數重要性圖表中說明）、防止過度訓練的刪改和驗證，以及用來自動尋找合適網路架構的動態網路。

神經網路節點模型選項 神經網路節點其他選項 神經網路節點專家選項 神經網路節點學習率 上層主題：神經網路 相關資訊 建模節點概觀 建模節點欄位選項 神經網路節點模型選項 神經網路節點其他選項 神經網路節點專家選項-快速方法 神經網路節點專家選項-動態方法 神經網路節點專家選項-多重方法 神經網路節點專家選項-刪改方法 神經網路節點專家選項-RBFN方法 神經網路節點專家選項-徹底刪改方法 神經網路節點學習率 篩選欄位和記錄 異常偵測節點 統計模型 叢集作業模型 關聯規則 「時間序列」節點（已淘汰）