Создание нейронной сети для анализа данных осуществляют в системе Deductor. Система Deductor встроена в электронный информационный ресурс для предприятий малого и микробизнеса. Мастер обработки конструирует нейронную сеть в соответствии с заданной структурой, определяет ее параметры и обучает с помощью одного из доступных в системе алгоритмов обучения. В результате обучения получают эмулятор нейронной сети для решения анализа данных. В результате проведения ряда операций, в числе которых авторизация, выбор нужной вкладки, направление запроса, пользователь находит подходящий для себя нужную информацию о банковских продуктах российских коммерческих банков, системе государственной поддержки и формах налогообложения.Процесс обучения нейронной сети заключается в подстройке ее внутренних параметров под конкретную задачу. Алгоритм работы нейронной сети является итеративным, его шаги носят название циклов. Цикл представляет одну итерацию в процессе обучения, включая предъявление всех примеров из обучающего множества и осуществление проверки качества обучения на контрольном множестве. Процесс обучения производят на обучающей выборке. Обучающая выборка включает входные значения и соответствующие им выходные значения набора данных. Затем назначают такие значения весов и смещений, которые смогут минимизировать ошибку решения. На обучающем множестве происходит процесс обучения нейронной сети. На тестовом множестве – проверка построенной модели. Для работы с нейронными сетями в системе Deductor реализован режим «Нейросеть» Мастера обработки. В этом режиме Мастер обработки позволяет сконструировать нейронную сеть с заданной структурой, определить ее параметры и обучить с помощью одного из доступных в системе алгоритмов обучения. В результате получают эмулятор нейронной сети, который используют для решения задач прогнозирования, классификации, поиска скрытых закономерностей, сжатия данных и др. Настройка и обучение нейронной сети состоит из следующих шагов, проиллюстрированных на фиг. 5: • настройка назначений полей; • настройка нормализации полей; • настройка обучающей выборки; • настройка структуры нейронной сети; • выбор алгоритма и настройка параметров обучения; • настройка условий остановки обучения; • запуск процесса обучения; • выбор способа отображения данных.