<<人工神經網絡實驗系統1.0貝吉塔版>>
        	  BP前向網絡&BP誤差反向傳播算法
  			   
  			     說明書
==================================================================

		       零.[說在前面的話]

    這是我研制的第二個人工神經網絡模型。 此網絡由9個神經元構
成，四個為輸入神經元，二個為輸出神經元。即此系統能處理所有四
元至二元的映射函數關系。
    此實驗系統中的人工神經網絡是BP前向網絡，使用了最常用且有
效的BP誤差反向傳播算法。此網絡模型屬有導師型，可根據給出樣本
X->Y的映射關系，自學習并推導出其函數關系式。
    此模型也是當前人工神經網絡在實際應用中使用面最廣的模型之
一。包括國家自然科學基金的資助項目(39770675)<<基于人工神經網
絡的肺癌診斷研究>>，福建省財政廳資助的重大項目（96 閩財農
預字 015）<<基于人工神經網絡的森林資源管理模型研究>>等重要項
目中，此模型是解決此類問題的核心技術。
    使用本實驗系統，能自由地設定BP網絡里的重要參數，包括誤差
率(Error rate)，閾值(Threshold)，網絡收斂速度(Converage Speed).
命令系統的使用，使得輸入與維護樣本的工作大大簡化，為實驗提供了
有效的工具。推導出的神經網絡保存成磁盤文件*.bn，并注有實驗者自
己的版權信息，系統提供的Cal2工具，能成快速地將*.bn化成有效的
函數工具供使用者使用。
     希望本軟件能對人工神經網絡的研究與應用起到積極的推動作用！

  					          沈琦 2001.7
------------------------------------------------------------------
			####重要說明#####

本系統作為一科學工具，為了產權關系明晰，保護您個人的得益。科學工作者
在使用前，請認真閱讀以下條款:

1.本軟件雖為免費軟件。但本軟件版權所有，本軟件的一切權利，軟件作者
  全部保留。

2.因本軟件屬于重要的科學實驗工具，在本軟件上實驗得出來的重要結論的
  知識產權歸軟件使用者所有，不為本軟件作者所有，但在您的研究成果報告
  或論文中必須注有使用本軟件的信息，包括本軟件的全稱和軟件開發者姓名
  等

3.本軟件生成的*.bn文件(成形的人工神經網絡)和*.cs文件(人工神經網絡訓練
  樣本)都為重要實驗參數，請實驗者慎重保管。

4.本軟件生成的*.bn文件(成形的人工神經網絡)的知識產權屬使用者所有，
  但*.bn文件的文件格式作為本軟件知識產權的一部分，屬本軟件作者所有。
  使用者如希望將*.bn的內容完全解碼出來，請聯系本軟件作者幫助解碼。
  為了保護您的利益，一切都會按法律程序行使。(聯系方式見<<后記>>)
 
====================================================================

		          一.一些基本入門知識

    本系統，你只要給同相應的自變量值，分別為 Data1，Data2，Data3，
Data4，再給出相應的導師信號 Supervised Data1，Supervised Data2。
經過大量的樣本訓練，此神經網絡能推出"自變量值"與"導師信號"間的關系。

    等神經網絡學習完成后，以后，只要你給出"自變量值"，神經網絡就能
輸出相應的結果了。在實際生活與應用中，有些x->y的函數關系是很容易推
的，例如: <路程>=<時間>*<速度>。而在很多實例中，其函數關系很難確定，
所以應用本系統，就能確定一些模糊而復雜的系統的相似函數關系。如
前面提到的病理的診斷，還有例如預測股票的變化，彈導導彈的軌跡等等。

    對"神經網絡"的"刺激"，本系統將它編成2條指令，第1條為"學習"指令，
第2條為"處理"指令。"學習"指令，你能為"學習"設成"最大學習次數"，也就
是系統要反饋多少次才能收斂于正確結果。系統默認為10萬次。"處理"指令，
即當"神經網絡"通過樣本的"學習"后，就能根據你給的x(四元)推導出相應的
y(二元).

--------------------------------------------------------------------

		          二.指令系統概況

使用Help指令，可列出所有指令.

cls             清除屏幕
clearbn         神經網絡初始化
clearcs         清空指令系統
list            顯示所有內存中的指令
add             添加指令("學習"與"處理"指令")
delete          刪除指令
edit            修改指令
run             運行所有指令(用"學習"或"處理"指令刺激神經網絡)
at              運行一條指令
show            顯示神經網絡的圖樣!
		可看到每個神經元的刺激狀態和神經連接狀態，非常有趣!
savecs          將指令系統存入文件*.cs
loadcs          從文件中讀取指令系統*.cs
dircs           顯示當前目錄下所有指令系統文件*.cs
savebn          將一訓練好的"神經網絡"存入文件*.bn
loadbn          讀取一個"神經網絡"文件到實驗系統*.bn
dirbn           顯示當前目錄上所有"神經網絡"文件*.bn
set             顯示當前神經網絡實驗參數
setn            設置神經網絡參數 n=1,2,3,4
about           關于本系統的一些信息
exit            退出本系統

本實驗系統中的所有指令均無參數，如需鍵入指令加回車即可
======================================================================

			三.常用指令詳解

1.clearbn和clearcs指令

     clearbn指令是給神經網絡初始化，各個神經元間的連接都會處于隨機的
  微弱作用狀態。如果你要開始新的實驗，就要使用本指令。
     clearcs用于清空指令系統。

2.list指令

     顯示所有指令系統中的所有指令
  list執行后如下圖，分別為

指令號  功能    自變量1 自變量2 自變量3 自變量4 導師1   導師數據2
Num     Status  Data 1  Data 2  Data 3  Data 4  SData 1 SData 2
==========================================================================
 1      Learn   0.200   0.200   0.000   0.000   0.200   0.000
 2      Learn   0.200   0.800   0.000   0.000   0.800   0.000
 3      Process 0.800   0.200   0.000   0.000   None	None

  功能分兩類,Learn為學習指令，process為處理指令

3.add添加指令

  執行add向指令系統添加指令，執行后:

  Command No.1
  Mode 0.Learning 1.Process
  Choose:0		先選擇0或1,0為學習指令，1為處理指令
  			學習指令過會兒會要求你輸入導師信號的
  Data 1:
  Data 2:			輸入4個自變量X
  Data 3:
  Data 4:
  Supervise Data1:	輸入你希望得到的Y值，即導師信號
  Supervise Data2:

  說明，如果你只希望要兩個自變量，一個結果值。那么data3和data4可
  輸入0，Supervise Data2也輸入0

4.run運行所有指令，at執行其中一條指令

   執行run后會一般得到類似以下的輸出

標號 刺激次數   誤差率		輸出數據1   	輸出數據2
L: Time:100001  Error:1.35%     Out1:0.200622   Out2:0.016435
L: Time:93      Error:0.98%     Out1:0.786017   Out2:0.001060
L: Time:83      Error:0.99%     Out1:0.785981   Out2:0.001174
L: Time:759     Error:0.97%     Out1:0.813945   Out2:0.000252
P: Out1: 0.394947       Out2: 0.003146
P: Out1: 0.142191       Out2: 0.019714
P: Out1: 0.813723       Out2: 0.000252
   處理指令輸出1	處理指令輸出2

說明:標號'L'或'P'，分別表示執行了"Learn"或"process"指令
     最大刺激次數可用set1指令來設定，


5.show顯示神經網絡圖

      這是一個很有趣的功能，要以看到每個神經元的狀態，神經元 
   會隨受刺激程序的大小而變化.

6.savecs，loadcs指令與savebn，loadbn指令

     savecs與loadcs用于將指令系統存入文件和從文件中讀取指令系統

       而savebn，loadbn指令用于將一訓練好的"神經網絡"存入文件或讀取
   一個"神經網絡"文件到實驗系統

7.set與set1，set2，set3，set4指令

   set可顯示當前神經網絡實驗參數，共四項。
   set1，set2，set3，set4就是用來設置這四項的。

   set1:  設置"最大刺激次數"(Training Time)，系統默認為100000(十萬)
	  用戶可自己調節，根據自己的計算機性能而定

   set2:  設置"誤差范圍"(Error range)，系統默認為0.0001

   set3:  設置"收斂率"(Convergence rate)，范圍為0.3--3
	  用戶可自己試著設置"收斂率"，好的"收斂率"會加快神經網絡的
          學習收斂速度。系統默認為0.3

   set4:  設置"閾值"(Threshold value)
 	  各個神經元間的連接的神經會通過自學習而適應收斂的需要，
          用戶可設置"閾值"改變神經間的自學習能力。

8.dircs和dirbn

   顯示當前目錄下所有指令系統文件*.cs]
   顯示當前目錄上所有"神經網絡"文件*.bn，就此不多做介紹

=============================================================================