Нейронные сети в MS Excel

Citation preview

. .

MS Excel

2004

004.670.322.6 (075.8)

. , 2004. 72 .

. .

MS Excel: / . .

. .

;

.

. - .

ExcelExcel Neural Package. – . III-V «

»,

«

.

. .

2

, « ».

»,

Х

«

Excel Neural Package Excel Neural Package ( MS Excel

») ,

. (add-ins)

Excel

: Winnet -

,

. .

Kohonen Map . . Demo Examples – Times Series –

. . Winnet

Winnet -

. , . Winnet 3.0

65536 ( 256 (

Excel ) Excel ) , -

Boxcounting 5 ,

Rpropagation.

3

Winnet : • . • • •

, «

.

»

. . Kohonen Map

Kohonen Map .

.

.

«

»

,

:

,

, .(

,

,

!)

Kohonen Map 1.0 ,

, (Principal

Components Analysis) 2

10

Demo Examples . 1. «

»-

. 4

2. «

200»

-

, «

3. «

».

» .

4. «

»–

. . , , .

-

, , ».

« , . , . Realtor.xls –

; Real5.wnp

…\Realtor: Real9.wnp – 5 9

. Winnet ( -M),

: (1725), (

Realtor.xls, Realtor, Select data source (4),

). .

11

, 5

9

. R

P

S . 200 : 5

.

.

«

, Indicator97.xls –

; Pr97_3x3.kmp .

». …\Expert200: Pr97_10x10.kmp –

: (191), ), ( 4

(5), (

(D,K-N),

). , .

(

3 3 =9 O-P

)

10 10 =100 Q-R. Kohonen Map

,

MS Excel.

. …\Oil: Oil.xls – ; Oil2x3x1.wnp

Oil5x1.wnp –

. : (

(36), ).

.

, 5

(C-H),

(5),

1

,. 2

,3

1

. –

C-G. , . 6

,

I–L. , «

», ,

«

» «

».

, «

», ,

, ,

. «

», ,

, .

–

. .

7 ( 11

15

18

420

15 (26

)– )

. . 971126.xls –

…\Lkoh: . : (424), ). .

; lkoh.wnp –

(B-U),

(5), ( 2 Excel Neural Package

1. ENP. 2. …\Neural tools package. 3. MS Excel. 4.

.

: C:\Program\Office\

/

/ .

7

.

NPackage.xla

К. 5. К.

.

,

Neural tools Package.

6. Analysis,

Neural . .

7.

. Winnet – . – Backpropagation Algorithm - BackProp. – . . , -

• • •

»).

.

:

• •

,

. –

. ,

•

(«

: Excel Excel Winnet.

(

/

)

,

.

.

8

–

•

• • •

. Excel. ,

.

Winnet. – . ( )

,

-

(

). ,

• • • • • • •

. Excel.

:

Winnet. . Winnet. Excel. . . Kohonen Map – К ( ,

,

.). –

К

. . –

• Kohonen Map. • . •

: Excel ,

–

. 9

• • • Map. • • •

-

. . Kohonen Excel.

, Kohonen Map.

.

– . • • •

• •

: Kohonen Map. . Kohonen Map. Excel. )

( Kohonen Map. « «

»

-

»

»,

« 1995-2002

32

, «

( .

З

»

). –

Excel Neural Package ,

(

) 1

2

3

4

5

-

.

10

6 .

7 .

.

(

), (

).

( 1.

).

«4-3-1»

1.

Excel, ,

. ,

A

B

C

1

D I

№

2

3-

E 1

34-

F 2 -

G 3 -

–

. H 4

I 5

-

-

J 6 . -

-

K 7

. -

. -

3 1995

1

1

132,2

201840

200120

1720

1906

156120

1,2

4,7

… 1995

2

2

130,3

206151

204134

2017

2102

188200

1,1

4,3

1995

3

3

126,6

248842

245620

3222

2117

190264

1,1

4,3

1995

4

4

115,4

243189

240136

2940

1084

202404

0,5

1,8

1996

1

5

107,3

440531

400111

40420

30245

755344

4

19,5

1996

2

6

105,6

484255

422133

62122

36780

880112

4,2

20,4

1996

3

7

105,7

508470

445050

63420

45246

814466

5,6

27,1

1996

4

8

104,5

554502

484438

67918

52047

915842

5,7

28,2

1997

1

9

104

552753

522333

30420

41222 2015612

2

12,8

1997

2 10

103,5

564299

522177

42122

46780 2055388

2,3

14,2

1997

3 11

103,3

675642

632222

43420

43444 2091426

2,1

13

1997

4 12

100,5

700213

637123

48678

39395 2163830

1,8

11,3

1998

1 13

107,6 1272210 1229765

42445

78236 1461204

5,4

21

1998

2 14

109,5 1493449 1432173

61276

76883 1582006

4,9

19,1

1998

3 15

120,8 1858141 1792262

65879

73245 1902642

3,8

15,1

1998

4 16

118 2029936 1941401

74123

60158 1928648

3,1

10,7

1999

1 17

113,2 2931555 2529111 402444 367200 7156120

5,1

22,6

1999

2 18

111,4 3333699 2932444 401255 375400 7388200

5,1

22,4

1999

3 19

111,7 4148223 3732344 415879 386250 7614264

5,1

22,4

1999

4 20

100,2 4229238 3821512 393314 429608 7842968

5,5

24,2

2000

1 21

105,1 4812096 4440203 582420 486620 10156144

4,8

20,6

2000

2 22

105,6 5513465 4532222 581111 532300 10188248

5,2

22,4

11

№

-

-

-

-

. -

. -

-

. -

2000

3 23

106,1 5757577 4511107 625233 588100 10114246

5,8

25

2000

4 24

107,2 6562879 4633225 655719 652725 10233682

6,4

27,4

2001

1 25

106,1 10433333 4742424 690234 686111 10156144

6,8

22,1

2001

2 26

105 10462269 4755577 703846 702300 10188248

6,9

22,4

2001

3 27

103,4 10400553 4727524 710246 708100 10114246

7

25,4

2001

4 28

103,3 10609859 4822663 724964 712725 14294322

5

26,2

2002

1 29

103,9 10625287 4829676 721400 712344 10156144

7

22,6

2002

2 30

103,8 10631179 4832354 736800 732106 10188248

7,2

22,5

33 2002

3 31

103,8 10631157 4832344 740277 738212 10114246

7,3

25,1

34 2002

4 32

103,7 10984046 4992748 764333 752566 22440110

3,4

25,2

2. Neural Analysis. source « row as column name)

Select data .

3. Network, Training .

К.

.

-

Winnet . Output,

4 Data, -

/

. 12

» (Use first

Data,

4.

Select Inputs.

8

All Data . ,

7. Inputs. All Data

Select All, «

F =2,73, .

d=Σ(e(t)-e(t-1)) / Σe(t) =1,41777E-05. n =32 k =4 5% di=1,18 du=1,73. , . . . 2

(t-

32 4 1983,74 648,12 1335,62 0,33 0,57 0,23 7,03 162,03 49,47 3,28 0,03

2,73.

-

2

):

-(Output)

117,81 1,70129E-06 -3,00265E-05 1,75885E-05 -1,99

5%

3,42 3,05E-06 5,598E-05 5,599E-05 0,94

32-4-1 =27 (

), 29

34,42 0,5578 -0,5363 0,3141 -2,12

2,052.

. .

): -

№ /

) ≈117,815-1,994 6.

(

( 6.

(

)

(

-

-

(

)

-

,

)

% 1995 1995 1995 1995 1996 1996 1996 1996 1997 1997 1997 1997 1998 1998 1998 1998 1999 1999 1999 1999 2000 2000 2000 2000 2001 2001 2001 2001 2002 2002 2002 2002

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

132,20 130,30 126,60 115,40 107,30 105,60 105,70 104,50 104,00 103,50 103,30 100,50 107,60 109,50 120,80 118,00 113,20 111,40 111,70 100,20 105,10 105,60 106,10 107,20 106,10 105,00 103,40 103,30 103,90 103,80 103,80 103,70

130,79 129,64 128,05 115,52 105,81 105,80 105,64 105,65 104,04 104,34 101,90 101,56 107,25 110,04 120,60 118,12 113,09 111,46 106,47 105,58 104,72 104,68 104,70 104,67 104,75 104,73 104,76 104,61 104,76 104,78 104,82 104,66

-0,01 -0,01 0,01 0,00 -0,01 0,00 0,00 0,01 0,00 0,01 -0,01 0,01 0,00 0,01 0,00 0,00 0,00 0,00 -0,05 0,05 0,00 -0,01 -0,01 -0,03 -0,01 0,00 0,01 0,01 0,01 0,01 0,01 0,01

=

0,01 30

, %

115,42 115,62 115,62 116,82 109,84 109,44 106,65 106,45 113,83 113,23 113,63 114,23 107,05 108,04 110,24 111,63 107,65 107,65 107,65 106,85 108,24 107,45 106,25 105,05 104,26 104,06 103,86 107,85 103,86 103,46 103,26 111,04

-0,17 -0,15 -0,11 0,01 0,03 0,04 0,01 0,02 0,10 0,10 0,10 0,14 -0,01 -0,01 -0,11 -0,06 -0,06 -0,04 -0,04 0,07 0,03 0,02 0,00 -0,02 -0,02 -0,01 0,00 0,05 0,00 0,00 -0,01 0,07

0,15

, 0,01%. ,

,

, ).

15 С а

,

0,15% ( .

а

я

ИПЦ

я

140

ИПЦ (Predicted)

130

ИПЦ( .

)

ИПЦ,%

120 110 100 90 80 0

4

8

12

16 К а а ы

20

24

28

32

Excel, . ,

, Load Project (

. )

Data. , Vavilon.wnp,

Excel-

Winnet data source . 31

Vavilon.xls. Vavilon.xls Select

2.

«4-3-1»

1.

Excel. Vavilon.xls.

2.

. Neural Analysis. Select data source ( ).

,

,

.

=D- ,

=2, К.

.

З

: =34

. . Excel, .

3.

. Load Project (

Data ). Vavilon.wnp 4.

. ,

–

,

1.

Network «4-3-1». .

5.

Training, –

( Training.

)

32

0,2 – Start

. 7000-8000,

, , . .

.

(Network answer)

33

.

6.

Output, Excel

,

. 7.

, .

8.

, Winnet. «

» , , . ,

.

,

, 1(

. .9).

3.

«2-3-1»

1.

Vavilon.xls Excel.

2.

Vavilon.wnp .

3. Data

4. 3.

. Boxcounting, .

,

2 ,

3

. 1. .

-

0,063 ( 34

0,062).

.

. -

0,066.

, . . – 5. Create Network.

Network «2-3-1».

6.

. Training. (Stopping criteria) > Selected. , Winnet .