Encog
Utvecklare | Jeff Heaton och bidragsgivare |
---|---|
Stabil frisättning | 3.4.0 / 1 september 2017
|
Förvar | https://github.com/encog |
Skrivet i | Java , .Net |
Operativ system | Cross-plattform |
Typ | Maskininlärning |
Licens | Apache 2.0-licens |
Hemsida |
Encog är ett ramverk för maskininlärning tillgängligt för Java och .Net . Encog stöder olika inlärningsalgoritmer som Bayesian Networks , Hidden Markov Models och Support Vector Machines . Dess främsta styrka ligger dock i dess neurala nätverksalgoritmer . Encog innehåller klasser för att skapa en mängd olika nätverk, samt stödklasser för att normalisera och bearbeta data för dessa neurala nätverk. Encog tränar med många olika tekniker. Multithreading används för att ge optimal träningsprestanda på multicore-maskiner.
Encog kan användas för många uppgifter, inklusive medicinsk och finansiell forskning. En GUI-baserad arbetsbänk tillhandahålls också för att hjälpa till att modellera och träna neurala nätverk. Encog har varit i aktiv utveckling sedan 2008.
Neurala nätverksarkitekturer
- ADALINE neurala nätverk
- Adaptiv resonansteori 1 (ART1)
- Bidirectional Associative Memory (BAM)
- Boltzmann maskin
- Counterpropagation Neural Network (CPN)
- Elman Återkommande neurala nätverk
- Neuroevolution av förstärkande topologier (NEAT)
- Feedforward neuralt nätverk (perceptron)
- Hopfield Neural Network
- Jordaniens återkommande neurala nätverk
- Radial Bas Function Network
- Återkommande självorganiserande karta (RSOM)
- Självorganiserande karta (Kohonen)
Träningstekniker
- Backpropagation
- Resilient Propagation (RProp)
- Skalad konjugatgradient (SCG)
- Levenberg–Marquardts algoritm
- Manhattan Update Rule Propagation
- Konkurrenskraftigt lärande
- Hopfield Learning
- Genetisk algoritmträning
- Instar träning
- Outstar träning
- ADALINE utbildning
Se även
- JOONE : ett annat neuralt nätverk programmerat i Java
- FANN, ett neuralt nätverk skrivet i C med bindningar till de flesta andra språk.
- Deeplearning4j : Ett djupinlärningsbibliotek med öppen källkod skrivet för Java/C++ med LSTM:er och konvolutionella nätverk. Parallellisering med Apache Spark och Aeron på CPU:er och GPU:er.