PRESENTATION du logiciel
NEURO DEVELOPER KIT (NDK)
LIBRAIRIE DE RESEAUX DE NEURONES ET MODELES NON-LINEAIRES
NEURO DEVELOPER KIT est une librairie DLL Windows, gratuite ou payante selon les versions ("niveaux"), qui rassemble l'ensemble des instructions nécessaires à la construction, l'apprentissage, la sélection et la simulation de réseaux de neurones, de modèles polynomiaux et de modèles non-linéaires.
La librairie Neuro Developer Kit est universelle : elle traite tous les modèles de régression linéaire ou non-linéaire et tous les réseaux de neurones de type perceptron multi-couche :
- modèles linéaires, modèles polynomiaux,
- réseaux de neurones standards,
- réseaux de neurones et modèles polynomiaux de mélange (formulation en chimie),
- réseaux de neurones pour la classification,
- réseaux de neurones dynamiques,
- cartes de Kohonen,
- modèles non-linéaires explicites,
- modèles compilés (format dll : code propriétaire, équations différentielles).
La librairie Neuro Developer Kit est simple d'emploi et performante à la fois :
- algorithme d'apprentissage précis à 10 décimales,
- calcul d'intervalles de confiance sur les paramètres (coefficients) et sur les réponses prédites,
- sélection manuelle / automatique du meilleur modèle,
- simulation en mode direct et en mode inverse,
- script exclusif NETRAL pour un enchainement complètement automatisé des différentes étapes de calcul, produisant gain de temps et efficacité maximum.
La librairie Neuro Developer Kit peut s'interfacer avec tous les langages. NETRAL peut vous assister pour vos développements dans les langages suivants : C, C++, Delphi, python, Matlab, Maple.
La librairie Neuro Developer Kit est commercialisée en 3 niveaux de fonctionnalités et de prix croissants :
- NEURO DEVELOPER KIT FREE : version gratuite sans support technique : création du modèle neuronal, apprentissage, lecture des résultats, sélection du meilleur modèle, simulation en mode direct.
- NEURO DEVELOPER KIT SILVER : version intermédiaire sans support technique : NDK FREE + sauvegarde des résultats, chargement des résultats antérieurs, export en code C et en code Excel.
- NEURO DEVELOPER KIT GOLD : Toutes les fonctionnalités de la librairie et un support technique, soit : NDK SILVER + modèles dynamiques, calcul d'intervalles de confiance, pondération des exemples, fonctions de coût complexes, simulation en mode inverse, fusion de modèles, script automatique, export de code C avec intervalles de confiance.
Nous avons conçu la version gratuite pour l'enseignement et la validation des premières études de faisabilité, c'est à dire montrer à soi-même et à ses collègues que les réseaux de neurones sont adaptés au problème posé. Nous attirons cependant votre attention sur le fait que, sans intervalles de confiance sur les prédictions et sans mesure de la potentielle dégénérescence du modèle, les réseaux de neurones peuvent donner des résultats fantaisistes voire dangereux.
Nous vous invitons à lire le manuel de référence de la librairie NEURO DEVELOPER KIT, tester la version gratuite qui comporte des exemples en language python, puis selon l'importance de vos applications, considérer les versions payantes et le support technique de NETRAL.
Téléchargez la version gratuite et les versions commerciales de NEURO DEVELOPER KIT.
Utilisez librement NEURO DEVELOPER KIT FREE.
Achetez NEURO DEVELOPER KIT SILVER ou GOLD par un bon de commande classique.
Découvrez le manuel de référence de NEURO DEVELOPER KIT, la liste des instructions et plusieurs exemples en python.
Professeurs, enseignants, contactez-nous si vous souhaitez utiliser NEURO DEVELOPER KIT dans vos cours et TP.
Veuillez nous contacter pour acheter le logiciel ou connaître la version la plus adaptée à vos besoins.
Fonctionnalités |
NDK Free ! (Niveau 0) |
NDK Silver (Niveau 1) |
NDK Gold (Niveau 2) |
Détails |
Fonctionnalités de base |
Modèles linéaires d'ordre 1
Modèles polynomiaux d'ordre 2 et d'ordre 3
Cartes de Kohonen
Réseaux de neurones statiques standards
Réseaux de neurones de classification
Modèles de mélange (polynômes réduits, RN statiques réduits)
Note : Modèles avec ou sans normalisation
Fonctions d'activation : tangente hyperbolique, sigmoïde
|
|
|
|
|
Chargement des données : fichiers Ascii (txt, csv) |
|
|
|
|
Ensemble d'apprentissage, Ensemble de validation
Par partitionnement en 2 blocs du fichier de données
Par tirage aléatoire à l'intérieur du fichier de données |
|
|
|
|
Algorithme d'apprentissage
Levenberg-Marquardt (précis à environ 10 décimales)
BFGS Quasi-Newton (précis à environ 8 décimales)
Gradient simple
|
|
|
|
|
Résultats d'apprentissage
Fonction de coût, Ecart-type d'apprentissage, Ecart-type sans biais,
Ecart-type de validation, R, R2 |
|
|
|
|
Sélection manuelle du meilleur résultat
|
|
|
|
|
Utilisation du modèle sélectionné : simulation, calcul direct
Note : tant que l'ordinateur est allumé et que la fonction d'appel de la DLL est activée
|
|
|
|
|
Fonctionnalités intermédiaires |
Sauvegarde des résultats - Enregistrement des modèles
|
|
|
|
|
Chargement des modèles enregistrés par l'utilisateur
|
|
|
|
|
Génération des modèles analytiques en code Excel et en code C
Export des fonction de transfert de modèles statiques sans intervalles de confiance |
|
|
|
|
Fonctionnalités avancées |
Réseaux de neurones dynamiques standards
(bouclage de la sortie sur les entrées, bouclage d'états internes)
Réseaux de neurones non-standards (statiques ou dynamiques)
Modèles de connaissance non-linéaires
Fonctions d'activation : Tangente hyperbolique, Sigmoïde, Arctangente, Sinus, Gaussienne, Unité, Moment d'ordre 0, Moment d'ordre 1,
Quadratique, Cubique, Exponentielle, Logarithmique, Inverse, Racine, Complément à 1
Modèles compilés
|
|
|
|
|
Pondération des exemples d'apprentissage
Ligne par ligne,
Vecteur externe de pondération,
Modèle externe du bruit,
Via la fonction de coût |
|
|
|
|
Fonctions de coût
Moindres carrés ordinaires, Moindres carrés pondérés, Entropie croisée, Delta-Log, etc... Possibilité de créer
des fonctions de coût sur mesure |
|
|
|
|
Apprentissage avec leviers et intervalles de confiance
Par linéarisation du modèle au premier ordre ou par méthode bootstrap (bootstrap des résidus) |
|
|
|
|
Résultats d'apprentissage
Résultats supplémentaires à NDK Free : PRESS (predictive residual error on sum of squares),
Rang, Déterminant et Conditionnement de la matrice de dispersion |
|
|
|
|
Sélection automatique du meilleur résultat |
|
|
|
|
Fusion de réseaux monoréponses en un modèle multiréponse
avec conservation des intervalles de confiance sur chaque réponse |
|
|
|
|
Génération des modèles analytiques en code C
Export des fonctions de transfert de modèles statiques ou dynamiques avec intervalles de confiance
|
|
|
|
|
Script complet de création des différents modèles, apprentissage et sélection automatique du meilleur résultat
Une instruction spectaculaire. Exclusivité NETRAL ! |
|
|
|
|
Quelques exemples d'application :
- Le laboratoire LISA de L'Université Paris XII - Créteil a développé une application pour la prédiction 24 heures à l'avance de la pollution atmosphérique au dessus de l'agglomération d'Orléans. Des mesures horaires et journalières prises en différents points de l'agglomération alimentent la base de données. Le modèle est réactualisé tous les 3 mois.
- Le groupe Arcelor a équipé le laminoir de l'usine de Dunkerque d'un système de calcul neuronal des pressions sur les cylindres et de la force de traction à appliquer aux plaques de métal lors du laminage. Les entrées du modèle sont, entre autres, les nuances d'acier et l'épaisseur de la plaque demandée par le client. Tous les rouleaux d'acier qui sortent du laminoir ont fait l'objet d'un calcul spécifique. L'application construite avec le NDK fait l'objet de réapprentissages réguliers pour tenir compte des nouvelles nuances d'acier introduites, l'usure naturelle et les dérives des cylindres du laminoir
Veuillez
nous contacter si vous êtes intéressé par le logiciel NEURO DEVELOPER KIT et en souhaitez une démonstration.