NeuroShell Engine的意義
神經網絡的使用有第一階段培訓和第2階段執行， NeuroShell Predictor、Classifier和2程序在圖形用戶界面中提供了第1階段和第2階段，但是只有第2階段可以由您自己的程式員編寫電腦程式進行控制。所有其他產品中，第一階段只能從我們產品內置的圖形用戶介面完成，這就是NeuroShell Engine使用的地方，Engine可以讓您從電腦程式中調用第1階段。除此之外，它允許您構建自己的神經網絡產品進行分發，也可以通過將引擎放入您的機箱來構建定制的神經網絡產品接口。
NeuroShell Engine的使用
NeuroShell Engine僅適用於最嚴重的神經網絡用戶，只有那些程序員或編程人員才能使用。NeuroShell Engine包含神經和遺傳訓練法，可以集成到您自己的電腦程式中，用於訓練和激發神經網絡。基本上有四種算法：
(1) 用在Predictor and Trader的神經法
(2) 用在Predictor的遺傳訓練法
(3) 用在Classifier的神經法
(4) 用在Classifier的遺傳訓練法
系統需求
Windows 7 / Windows8 / Windows10
適用對象
1. 金融分析與量化交易團隊：需要建構高精度預測模型以分析市場走勢與風險，NeuroShell Engine 提供彈性的網路拓撲設計與回測整合能力，協助快速驗證交易策略。
2. 製造業品管與製程優化部門：面對複雜的多變數製程數據，NeuroShell Engine 可訓練出辨識異常模式的神經網路模型，有效降低不良品率與停機風險。
3. 資料科學研究人員與 AI 開發者：需要靈活調整網路層數、激活函數與訓練演算法，NeuroShell Engine 提供豐富的參數控制介面，適合快速原型開發與學術實驗。
核心使用情境
- 【場景：金融風險預測】某券商風控團隊面對每日大量交易數據，需即時評估潛在違約與市場異常風險。透過 NeuroShell Engine 建立多層感知器預測模型，輸入歷史交易特徵進行訓練後，系統可自動輸出風險評分，協助分析師在數秒內完成原本需要數小時的人工判讀，顯著提升風控反應速度。
- 【場景：製造瑕疵辨識】某電子零件廠商的品管流程依賴人工目視檢查，誤判率高且人力成本龐大。導入 NeuroShell Engine 後，工程師以歷史良品與瑕疵品數據訓練分類神經網路，並將模型嵌入產線監控系統，實現即時自動篩選，不良品流出率大幅下降，品管人力得以重新分配至更高價值的驗證工作。
- 【場景：醫療輔助診斷模型開發】醫療研究機構需針對特定疾病的生物標記數據建立早期預警模型，但缺乏深度學習框架的底層開發資源。研究團隊使用 NeuroShell Engine 的視覺化訓練介面，快速設計並測試多種網路架構，在不需撰寫大量程式碼的情況下，完成模型訓練與交叉驗證，縮短研究週期並提升模型可解釋性。
常見問題 FAQ
Q：NeuroShell Engine 適合沒有深度學習背景的使用者嗎？
A：NeuroShell Engine 提供視覺化的網路架構設計介面與引導式參數設定，即使使用者對神經網路底層數學不熟悉，也能透過直覺操作完成模型訓練與部署。當然，進階使用者亦可深入調整各項超參數以追求更高精度。如需了解適合貴單位的版本或詢購方式，歡迎透過 iQrator 諮詢。
