Программа предназначена для решения четырех задач, связанных с анализом данных:

• выявления скрытых ассоциативных взаимосвязей между значениями полей в реляционных базах данных или проверки гипотез о наличии таких взаимосвязей;
• прогноза значений полей еще несуществующей записи базы данных в предположении, что записи являются "снимками" некоторого процесса в дискретные моменты времени.
• кластеризация записей в базе данных, что позволяет выделить в выборке группы, обладающие некоторым общим качеством; при этом формирование классов записей и определение записи к тому или иному классу производится нейронной сетью.
• распознавание типа записей - похоже на задачу классификации; отличие заключается в том, что классы записей формируются пользователем при обучении сети, работа же сети заключается в определении принадлежности образца к тому или иному классу.

При обучении нейронной сети формируется ассоциативная память о данных, содержащихся в базе данных. К ней для решения первой задачи можно обращаться с целью получения наиболее вероятных значений полей по заданному контексту (значениям других полей) или для восстановления записи по ее фрагменту. При этом обращения к базе данных не происходит, а происходит только работа с нейронной сетью. Такая обученная нейронная сеть может использоваться для изучения взаимосвязей между полями в базе данных с целью добывания знаний из данных (в технологиях Data Mining и KDD - Knowledge Discovery in Databases), в решении задач экономического анализа, оценки недвижимости, предсказания курса акций и валют и т.п.

При обучении нейронной сети для решения первой задачи (поиска ассоциаций) в качестве обучающих примеров используются одиночные записи SQL-запроса.

При обучении нейронной сети для решения второй задачи (прогноза) в качестве обучающих примеров используются последовательности записей заданной длины, определяющей “глубину обучения”.

В основе работы с программой лежит работа с проектом, включающим в себя:

• описание проекта,
• SQL-запрос (источник данных для обучения нейронной сети),
• словарь значений или диапазонов значений полей базы данных,
• нейронную сеть (пока реализованы две модели - модель Хопфилда и многослойный перцептрон).

В отличие от предыдущей версии 3.0, новая версия программы представляет собой оболочку, обеспечивающую взаимодействие с пользователем для решения четырех выше описанных типов задач, а также, для управления проектом (сохранение результатов работы, формирование отчетов, оценка качества работы сетей), и множество модулей - нейронных сетей в виде динамических библиотек с унифицированным программным интерфейсом. Подключение библиотеки нейронной сети производится очень просто – нужно скопировать библиотеку в рабочий каталог программы.

Предварительную обработку записей базы данных можно производить двумя способами:

• средствами SQL при извлечении из базы данных

• средствами BaNNan при обработке полученных из таблиц данных

Целью предварительной обработки является получение более информативных признаков (факторов), необходимых для лучшего обучения нейронной сети или для получения данных, необходимых в качестве ответа нейронной сети.

Программа ориентирована для работы с символьными и численными полями. Символьные поля могут содержать текст в коде ASCII или Win1251. Вместо конкретных значений численных полей в процессе обучения могут использоваться интервалы значений. Числовые поля могут быть трех типов: целые числа, дробные с плавающей точкой и дробные с фиксированной точкой (для финансовых вычислений).

Программа реализована на Delphi 5 на платформе Windows'95/98/NT и требует для своего применения компьютер класса PC не ниже Pentium-133 с установленным на нем ПО для работы с базами данных - BDE (Borland Data Engine).