OpenNN
OpenNN — это библиотека программного обеспечения, написанная на C++, реализующая искусственные нейронные сети[2]. Библиотека является открытым программным обеспечением и распространяется под лицензией GNU LGPL.
Общие сведения
| OpenNN | |
|---|---|
| Тип | нейронные сети |
| Разработчик | Artelnics |
| Написана на | C++ |
| Первый выпуск | 2003 |
| Последняя версия | |
| Репозиторий | github.com/Artelnics/Ope… |
| Лицензия | GNU LGPL |
| Сайт | opennn.net |
Возможности
Программное обеспечение реализует современные системы глубокого обучения с произвольным числом слоёв нелинейных преобразований, что позволяет создавать нейронные сети с универсальными аппроксимирующими свойствами. Кроме того, используется параллельная обработка с помощью OpenMP, чтобы увеличить вычислительную производительность.
OpenNN состоит из набора функций, которые могут быть интегрированы в другие программные инструменты для выполнения задач предиктивной аналитики в этих инструментах. Таким образом, библиотека не имеет графического интерфейса, однако некоторые из реализованных функций могут быть дополнены специализированными средствами визуализации[3].
История
Разработка библиотеки началась в Международном центре численных методов в инженерии (CIMNE)[4] в 2003 году как часть исследовательского проекта Европейского союза RAMFLOOD[5]. Позднее развитие продолжилось в рамках схожих проектов. В настоящее время OpenNN разрабатывается стартап-компанией Artelnics[6].
В 2014 году портал Big Data Analytics Today присудил OpenNN первое место в списке проектов искусственного интеллекта, вдохновлённых работой человеческого мозга[7]. В том же году OpenNN также попала в топ-5 приложений для интеллектуального анализа данных по версии ToppersWorld[8].
Применение
OpenNN — это ПО общего назначения[9], которое может использоваться для задач машинного обучения, интеллектуального анализа данных и предиктивной аналитики в различных сферах. Например, библиотека применяется в области инженерии[10], энергетики[11], и химической промышленности[12].
Примечания
- ↑ Release 6.0.3 — 2023.
- ↑ OpenNN – Redes neuronales open source (исп.). luisllamas.es. Архивировано 12 октября 2013 года.
- ↑ J. Mary Dallfin Bruxella; et al. (2014). “Categorization of Data Mining Tools Based on Their Types”. International Journal of Computer Science and Mobile Computing [англ.]. 3 (3): 445—452.
- ↑ Sitio web CIMNE (исп.). cimne.com.
- ↑ CORDIS - EU Research Project RAMFLOOD (англ.). cordis.europa.eu. European Commission. Дата обращения: 28 мая 2014. Архивировано 14 марта 2014 года.
- ↑ Sitio web de Artelnics (исп.). artelnics.com.
- ↑ Big Data Analytics Today. Top 12 Brain Inspired Artificial Intelligence Projects (англ.) (октябрь 2014). Дата обращения: 9 февраля 2015. Архивировано 11 марта 2016 года.
- ↑ ToppersWorld. Top 5 Open Source Data Mining Tools (англ.) (ноябрь 2014). Дата обращения: 9 февраля 2015. Архивировано 3 марта 2016 года.
- ↑ Saurabh Singh. Here Are 7 Thought-Provoking AI Software Packages For Your Info (англ.) (25 июня 2014). Дата обращения: 9 февраля 2015. Архивировано 27 июня 2014 года.
- ↑ R. Lopez; et al. (2014). “Neural Networks for Variational Problems in Engineering”. International Journal for Numerical Methods in Engineering [англ.]. 75 (11): 445—452.
- ↑ P. Richter; et al. (2011). “Optimisation of Concentrating Solar Thermal Power Plants with Neural Networks”. Lecture Notes in Computer Science [англ.]. 6593: 190—199.
- ↑ A.A. D’Archivio; et al. (2014). “Artificial Neural Network Prediction of Multilinear Gradient Retention in Reversed-Phase HPLC”. Analytical and Bioanalytical Chemistry [англ.]: 1—10.