N-Predictor jest zaawansowanym narzędziem służącym do prognozowania różnych zjawisk, dla których zbudowanie ścisłych modeli matematycznych jest bardzo trudne lub wręcz niemożliwe. Mogą to więc być zjawiska społeczne, ekonomiczne lub nawet przyrodnicze, czy techniczne, o dużym stopniu złożoności.

N-Predictor wykorzystuje technologię sztucznych sieci neuronowych typu perceptronowego, uczonych wieloetapowo, przy użyciu zmodyfikowanej metody wstecznej propagacji błędów. Trenowane sieci zostały opisane kilkoma istotnymi parametrami, które są na bieżąco wyliczane i służą do sterowania całym procesem treningu.

System daje użytkownikowi stosunkowo niewielkie możliwości wyboru architektury sieci neuronowych, metod ich uczenia oraz parametrów pracy. Nie jest to jednak wcale jego wadą, gdyż duża swoboda manewru, jaką oferują niektóre z rozwiązań dostępnych na rynku, wynika zwykle z niemożności zaproponowania poprawnych wartości parametrów, zapewniających skuteczne działanie sieci. N-Predictor ustala je automatycznie dzięki specjalnie przez nas opracowanemu i sprawdzonemu w praktycznych zastosowaniach algorytmowi RDO (Reduced Data Optimization).

Z uwagi na to, że proces uczenia sieci neuronowych jest zazwyczaj długotrwały i - w zależności od stopnia złożoności problemu - może trwać nawet setki godzin, skuteczne wykorzystywanie oprogramowania neuronowego wymaga nierzadko użycia bardzo szybkich komputerów, co oczywiście wiąże się z wysokimi kosztami. Z tego względu w systemie N-Predictor zastosowano specjalną technologię rozdzielania obliczeń pomiędzy zwykłe komputery klasy PC, pracujące w sieci lokalnej (grid computing). Tak jak obrazuje to poniższy schemat, specjalny moduł nadzorujący, który komunikuje się bezpośrednio z bazą danych, dystrybuuje obliczenia pomiędzy poszczególne stacje robocze, gdzie pracują tzw. klienci NNA (Neural Network Advisor). Otrzymują oni odpowiednie zadania do wykonania i są ustawicznie kontrolowani przez moduł nadzorujący, przy czym cała komunikacja opiera się na technologii D-COM.

Opisana metoda obliczeń rozproszonych została już przez nas wykorzystana w praktyce w systemie wspomagającym zarządzanie papierami wartościowymi PORSENNA DSS.