home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #27 / NN_1992_27.iso / spool / comp / ai / neuraln / 4276 < prev    next >
Encoding:
Text File  |  1992-11-15  |  3.7 KB  |  95 lines
  1. Newsgroups: comp.ai.neural-nets
  2. Path: sparky!uunet!zaphod.mps.ohio-state.edu!cs.utexas.edu!news.uta.edu!news.uta.edu!lindahl
  3. From: lindahl@cse.arl.utexas.edu (Charlie Lindahl)
  4. Subject: Demos for training & analysis of classification NNs (UTexas@Arlington)
  5. Message-ID: <LINDAHL.92Nov15225747@cse.arl.utexas.edu>
  6. Sender: news@utagraph.uta.edu (USENET News System)
  7. Nntp-Posting-Host: cse.uta.edu
  8. Organization: Computer Science Engineering Univ. of Texas at Arlington
  9. Distribution: comp
  10. Date: Mon, 16 Nov 1992 04:57:47 GMT
  11. Lines: 82
  12.  
  13. All: 
  14.  
  15. I'm posting demos for an Electrical Engineering professor here 
  16. at UTexas Arlington (Dr. Mike Manry). Below is the description for the
  17. demos related to CLASSIFICATION problems. The ABSTRACT file appears below. 
  18.  
  19. I've posted on me.uta.edu (anon ftp) under /pub/neural/uta-nn-ee.tar
  20. (this is a TAR file containing ZIP files, and hence should be transferred
  21. IN BINARY MODE. Interested parties can EMAIL me as to why this file wouldn't
  22. COMPRESS). 
  23.  
  24. Download procedure: 
  25.  
  26. 1) Use ANONYMOUS FTP in BINARY mode. 
  27. 2) Use the UNIX TAR program to unpack into two ZIP files. 
  28. 3) Use the PKUNZIP PC program to unpack onto the PC. 
  29.  
  30. PLEASE don't send EMAIL directly to me, or post on this bboard (as 
  31. I don't frequent this regularly); rather, send EMAIL directly to 
  32. Dr. Manry at B496MTM@UTARLG.UTA.EDU. 
  33.  
  34. Charlie Lindahl
  35. Electrical Engineering Dept
  36. University of Texas at Arlington
  37. EMAIL  :     lindahl@cse.uta.edu
  38. ------------------------------------------------------------------------
  39. Neucls.zip  123,824 bytes
  40.  
  41. Four demo programs are included, for the training and analysis of 
  42. multilayer perceptron (MLP) neural networks for classification. Such 
  43. networks have sigmoidal hidden units sigmoidal output units. The 
  44. enclosed programs are demos in that the training data file must 
  45. have 4 or fewer inputs or 16 inputs, 800 or 16 or fewer training 
  46. patterns, and 4 or fewer outputs. 
  47.  
  48. Program BP designs MLP classification networks using backpropagation
  49. (BP). Nonstandard features in this program are (1) batching of weight 
  50. changes is allowed, (2) The learning factor is adaptive, and 
  51. (3) the importance of each input feature is calculated. The 
  52. Mean-squared training error (MSE) and classification error percentage 
  53. are calculated and printed for each iteration. 
  54.  
  55. Program In2 designs MLPs for classification using a fast technique. 
  56. Networks are often better than those from BP and can be designed 
  57. one to two orders of magnitude faster. The classification error 
  58. percentage and MSE are calculated and printed for each iteration.
  59.  
  60. Program Mod analyzes MLP networks trained via BP or In2. Less 
  61. useful units can be pruned under user control.
  62.  
  63. Program Watecon converts the weight file from Inmap or BPmap to 
  64. an easily understood formatted form, or vice versa. This should 
  65. allow users to process networks from other neural net design 
  66. packages, and vice versa.
  67. --
  68. ============================================================================
  69. "If Unix is the answer, surely    | Charlie S. Lindahl
  70. we've forgotten the question." -  | lindahl@cse.uta.edu
  71. Anonymous                         | Electrical Engineering Dept
  72.                                   | University of Texas at Arlington
  73. ----------------------------------------------------------------------------
  74.       ____/   _/    _/    ___/ /  _/____/    _/     ____/  _/_____/
  75.      _/      _/    _/  _/    _/  _/    _/   _/       _/   _/
  76.     _/      _/___/_/  _/___/_/  _/____/    _/       _/   _/_____/
  77.    _/      _/    _/  _/    _/  _/   _/    _/       _/   _/
  78.   _____/   /    _/   /    _/   /    _/   _/____/ ____/ _/______/
  79. ============================================================================
  80. Disclaimer: If my employer shares these views, I'd be most surprised.
  81.  
  82.  
  83.  
  84.  
  85.  
  86.  
  87.  
  88.  
  89.  
  90.  
  91.  
  92.  
  93.  
  94.  
  95.