这两款软件可以完成神经网络方面的很多基本问题（其实也不基本了，因为我用predictor研究过股票走势的预测问题，有点意思，呵呵）。 这两个软件如其名：一个是专门做预测问题的，另一个是研究分类问题的。很小（4m左右），但有强大！ Enjoy it!

这两款软件如其名：一个用于预测问题，另一个用于分类问题，很小但很强大！（我曾经用Predictor做过研究股票走势的问题，有点意思，呵呵） 软件特点：无需编程，图形界面，支持大文本数据导入等等（等待你的发掘） 软件使用主要看它提供的帮助文件，结合词霸应该不难理解（帮助写的很完善）。 enjoy it!

汉字识别软件的难点所在： 英文识别有一些开放源码的软件，我看过的软件，主要采取两种识别方法：基于规则 的方法，和采用神经网络方法。而这两种方法，在识别汉字时，都不宜采用。因为汉字数 目众多，最常用的国标2312的一级汉字就有3755个。如果借用基于规则的方法，需要对 三千多个汉字，逐一人工写出分类规则，工作量太大，我一个人无法完成；如果采用神经 网络的方法，这么多汉字，我不敢想象，需要多少层网络和神经节点呀！如果采用网格法， 抗位移的效果太差；而采用不变矩法，识别人和入，土和 士，相似度又难于

近日，DeepMind 和谷歌联合进行了一项研究，该研究提出了一种执行相似性学习的新型强大模型——图匹配网络（GMN），性能优于 GNN 和 GCN 模型。该论文已被 ICML 2019 接收。 DeepMind 和谷歌的这项新研究聚焦检索和匹配图结构对象这一极具挑战性的问题，做出了两个重要贡献。 首先，研究者展示了如何训练图神经网络（GNN），使之生成可在向量空间中执行高效相似性推理的图嵌入。其次，研究者提出了新型图匹配网络模型（GMN），该模型以一对图作为输入，通过基于跨图注意力的新型匹配