Neural Network Data Analysis Using Simulnet™

دامنه این متن این متن در نظر گرفته شده است تا مقدمه ای برای تجزیه و تحلیل داده های عددی با استفاده از شبکه های عصبی در اختیار خواننده قرار دهد. شبکه‌های عصبی به‌عنوان ابزارهای تجزیه و تحلیل داده‌ها، امکان تجزیه و تحلیل داده‌ها را به منظور کشف و مدل‌سازی روابط عملکردی بین متغیرهای ثبت‌شده فراهم می‌کنند. چنین داده هایی ممکن است تجربی باشند. ممکن است در آزمایشی که در آن مقادیر یک یا چند متغیر وابسته به‌عنوان دستکاری یک یا چند متغیر مستقل ثبت می‌شود، سرچشمه می‌گیرد. از طرف دیگر، داده‌ها ممکن است به‌جای ماهیت تجربی، مشاهده‌ای باشند و سوابق تاریخی رفتار مجموعه‌ای از متغیرها را نشان دهند. یک مثال می تواند ارزش تعدادی از کالاهای مالی مانند سهام یا اوراق قرضه باشد. در نهایت، داده‌ها ممکن است از یک مدل محاسباتی از برخی فرآیندهای فیزیکی منشأ بگیرند. به جای ثبت متغیرهای فرآیند فیزیکی، مدل کامپیوتری می تواند برای تولید یک آنالوگ مصنوعی از داده های فیزیکی اجرا شود. از آنجایی که داده‌ها تقریباً در هر شکل بومی می‌توانند در قالب عددی بیان شوند، دامنه تکنیک‌ها و روش‌های تحلیلی که در این متن ارائه خواهد شد اساساً نامحدود است. منابع داده‌ها شامل کارهای تحقیقاتی در رشته‌های مختلفی مانند علوم اعصاب، زیست‌پزشکی، ژئوفیزیک، روان‌شناسی، جامعه‌شناسی، باستان‌شناسی، اقتصاد شناسی و اخترفیزیک است. یک رویکرد اغلب مثمر ثمر برای تجزیه و تحلیل داده ها شامل استفاده از توابع شبکه عصبی است.

Scope of this Text This text is intended to provide the reader with an introduction to the analysis of numeri­ cal data using neural networks. Neural networks as data analytic tools allow data to be analyzed in order to discover and model the functional relationships among the recorded variables. Such data may be empirical. It may originate in an experiment in which the values of one or more dependent variables are recorded as one or more independent vari­ ables are manipulated. Alternatively, the data may be observational rather than empirical in nature, representing historical records of the behavior of some set of variables. An ex­ ample would be the values of a number of financial commodities, such as stocks or bonds. Finally, the data may originate in a computational model of some physical proc­ ess. Instead of recording variables of the physical process, the computer model could be run to generate an artificial analog of the physical data. Since data in virtually any native form can be expressed in numerical format, the scope of the analytical techniques and procedures that will be presented in this text is es­ sentially unlimited. Sources of data include research work in a range of disciplines as di­ verse as neuroscience, biomedicine, geophysics, psychology, sociology, archeology, eco­ nomics, and astrophysics. An often fruitful approach to data analysis involves the use of neural network func­ tions.