home *** CD-ROM | disk | FTP | other *** search
/ PC Format Collection 5 / PCFORMAT5.iso / ZIPS / NEURAL.ZIP / readme.doc < prev    next >
Encoding:
Text File  |  1991-01-15  |  6.7 KB  |  139 lines
  1.             THE VISIBLE NEURAL NETWORK VERSION 2.0
  2.  
  3. "The Visible Neural Network," Version 2.0 is the first complete
  4. neural network package available in shareware.  For your
  5. registration fee of $25 you will receive a fully illustrated spiral
  6. bound manual which completely describes the feed-forward / back-
  7. propagation algorithm in terms any non-mathematician (or
  8. mathematician) can easily understand, source code listings for
  9. both the tutorial program and OCR demo, and detailed instructions
  10. for using the application environment.  
  11.  
  12. If you want to become a leading expert on neural networks, "The
  13. Visible Neural Network" is a great bargain.  Register by sending
  14. $25 to:
  15.  
  16.       ╔═════════════════════════════════════════════════════╗
  17.       ║                                                     ║
  18.       ║     The Visible Neural Network, Inc                 ║
  19.       ║     4228 Weskan Court                               ║
  20.       ║     Bridgeton, MO 63044-1317                        ║
  21.       ║                                                     ║
  22.       ║     (314) 739-2654 (MC/Visa accepted 24 hours)      ║
  23.       ║                                                     ║
  24.       ╚═════════════════════════════════════════════════════╝
  25.  
  26. IN ORDER TO WRITE EFFECTIVE NEURAL NETWORK APPLICATIONS, YOU NEED
  27. THE KIND OF THOROUGH UNDERSTANDING OF THE ALGORITHM THAT THE
  28. REGISTERED PACKAGE CAN GIVE YOU.  REGISTER TODAY!!!
  29.  
  30. The first thing that you should do in using this package is to run
  31. the ocr.exe file,"Optical Character Recognition Demo."  Optical
  32. Character Recognition (OCR) is one of the most impressive
  33. demonstrations of the ability of an artificial (non-biological)
  34. neural network to learn.  Neural networks learn using the same
  35. mathematical algorithm as the nerves of your brain (which is a
  36. biological neural network).  The algorithm was determined by
  37. measuring the electrical activity of the neurons of a certain
  38. species of sea slug with particularly large nerve cells, and by the
  39. efforts of a number of researchers to interpret the results.
  40.  
  41. Watch the OCR network train for awhile.  Characters are being
  42. "scanned" by the input neurons in the scanner grid.  The neurons
  43. that are "touched" by a character are excited and transmit signals
  44. through the network.  Over many iterations of the character set,
  45. the network learns to activate the output neuron that we have
  46. designated as "A" when the input pattern "A" is scanned, and the
  47. same for "B" and "C" and all the rest of the input / output sets of
  48. patterns.
  49.  
  50. Once you believe that neural network actually learn, the rest is
  51. relatively easy.  There are only three equations involved, and most
  52. of the mathematics is just multiplication and addition.  "The
  53. Visible Neural Network" tutorial program "visible2.exe" is a sort
  54. of neural network laboratory where you can observe a small neural
  55. network in action and stop it whenever you like to see what is
  56. going on inside of it.  Run the program and explore the menu
  57. selections.  When you understand "Numerical Analysis" screens 4
  58. through 7 you will be a leading expert on neural networks!
  59.  
  60. Because of their ability to recognize patterns, neural networks are
  61. reportedly being used to forecast results based on past experience,
  62. such as stock market analysis and gambling on sporting events. 
  63. "The Visible Neural Network Application Environment" makes it easy
  64. to create, train and use neural network applications using data
  65. stored in NAMED RANGES of Lotus 1-2-3 *.WKS (not *.WK1 files).  The
  66. data is automatically normalized for network input / output.
  67.  
  68. THE SHAREWARE LOTUS-COMPATIBLE SPREADSHEET PROGRAM "ASEASYAS" HAS
  69. A TENDENCY TO PLANT PHANTOM RANGES IN WORKSHEETS AND IS NOT
  70. RECOMMENDED FOR USE WITH THE APPLICATION ENVIRONMENT.
  71.  
  72. Running the application environment requires the following files:
  73.  
  74.                            start.exe
  75.                            center.exe
  76.                            create.exe
  77.                            train.exe
  78.                            use.exe
  79.                            large.exe
  80.                            read123.exe
  81.                            write123.exe
  82.                            netdata.wks
  83.                            testdata.wks
  84.  
  85. The "netdata.wks" file is an example of how to set up your network
  86. training data.  Load this file into your spreadsheet progam and
  87. look at the "INPUTDATA" and "OUTPUTDATA" ranges.  When you create
  88. applications of your own you should put the input / output training
  89. data in ranges named "INPUTDATA" and "OUTPUTDATA" in the same way.
  90.  
  91. The "testdata.wks" file is an example of how to set up data that
  92. you want to feed through a trained network.  Load the file into
  93. your spreadsheet program and note the "TESTDATA" and "RESULTS"
  94. ranges.  Set up your test data files the same way.
  95.  
  96. To use the application environment, enter the word "start."  Select
  97. the "Create Network File" menu choice and enter the name that you
  98. want to give the training file (such as "NETFILE").  Next enter the
  99. name of the training data worksheet ("NETDATA" in the case of our
  100. example).  The program will read the spreadsheet ranges and ask you
  101. how many middle layer neurons you want with a suggested number in
  102. parantheses.  Enter any number you please, but the suggested number
  103. is probably the minimum that will allow the network to converge
  104. upon a solution set.
  105.  
  106. Now that you have created a network, train it by selecting the
  107. "Train Network" menu choice and entering "NETFILE."  Set the
  108. training tolerance to the default limit of 0.10 and randomize the
  109. weights if you wish.  Allow the network to train until the training
  110. tolerance is reached, at which point the network is fully
  111. "trained." 
  112.  
  113. (If you get an "out of memory" error when you attempt to train a
  114. network, try training it with the stand-alone program "large.exe." 
  115. This program will accomodate much larger neural networks because it
  116. uses dynamic arrays instead of static arrays, but is slower because
  117. dynamic arrays use pointers to pointers and far memory segments.)
  118.  
  119. Use the trained network by selecting the "Use Network" menu option.
  120. Enter the name of the trained network file "NETFILE" and the name
  121. of the test data worksheet "TESTDATA."  The network stores the
  122. feed-forward data and results in a spreadsheet file "RESULTS.WKS"
  123. in ranges named "TESTDATA" and "RESULTS." View this file with your
  124. spreadsheet program.
  125.  
  126. THE TEST DATA SPREADSHEET FILE MUST HAVE BOTH A "TESTDATA" AND
  127. "RESULTS" RANGE EVEN THOUGH THE "RESULTS" RANGE IS EMPTY.  THE
  128. PROGRAM USES THIS FILE AS A TEMPLATE FOR THE "RESULTS.WKS" FILE.
  129.  
  130. For help using this package, call (314) 739-2654.  We will be happy
  131. to return your call COLLECT if you leave a message.
  132.  
  133.  
  134.  
  135.                          
  136.                                        GOOD LUCK!!!
  137.                             
  138.  
  139.