基于神经网络的预测控制,神经网络预测系统应用

如何把电脑训练好的神经网络移植到app上

谷歌人工智能写作项目：神经网络伪原创

如何把电脑训练好的神经网络移植到app上

有两个思路写作猫。

一个online方式：移动端做初步预处理，把数据传到服务器执行深度学习模型，现在很多APP都是这个思路, 优点是这个方式部署相对简单，现成的框架（caffe，theano，mxnet，Torch) 做下封装就可以直接拿来用，服务器性能大, 能够处理比较大的模型，缺点是必须联网。

另外一种是offline方式：根据硬件的性能，部署适当的模型。优点是可以离线执行。

缺点也是明显的，1）受限硬件，可能要运行个阉割版的模型 ，对模型精度会有一定的影响； 2) 要移植现成框架到移动平台比较麻烦, 各种依赖的剥离很痛苦，mxnet有个Android app的例子（Leliana/WhatsThis · GitHub), Torch 7也个Android版本soumith/torch-android · GitHub，可以参考下，当然如果编程能力强的话，自己写个网络前传的代码。

如何把电脑训练好的神经网络移植到app上

这个要重新编写程序了。如果你的电脑的程序与手机的APP程序不兼容就没法了。

还是就是如果匹配了那些文件一般要写入APP程序的某个文件里，首先你要找到你电脑程序写入的文件，然后在复制到手机APP的程序写入的地方方便读取就可以了。

NeuroSolutions for Excel这个功能可以实现多种神经网络嘛？

神经网络是一种能适应新环境的系统，它针对过去经验 (信息)的重覆学习，而具有分析、预测、推理、分类等能力，是当今能够仿效人类大脑去解决复杂问题的系统，比起常规的系统(使用统计方法、模式识别、分类、线性或非线性方法)而言，以神经网络为基础的系统具有更强大的功能和分析问题技巧，可以用来解决信号处理、仿真预测、分析决策等复杂的问题。

目前，神经网络已被广泛应到了数据密集型企业。本文主要介绍神经网络的应用领域以及推荐