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

  1. Release 6.0.3 — 2023.
  2. OpenNN – Redes neuronales open source (исп.). luisllamas.es. Архивировано 12 октября 2013 года.
  3. 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.
  4. Sitio web CIMNE (исп.). cimne.com.
  5. CORDIS - EU Research Project RAMFLOOD (англ.). cordis.europa.eu. European Commission. Дата обращения: 28 мая 2014. Архивировано 14 марта 2014 года.
  6. Sitio web de Artelnics (исп.). artelnics.com.
  7. Big Data Analytics Today. Top 12 Brain Inspired Artificial Intelligence Projects (англ.) (октябрь 2014). Дата обращения: 9 февраля 2015. Архивировано 11 марта 2016 года.
  8. ToppersWorld. Top 5 Open Source Data Mining Tools (англ.) (ноябрь 2014). Дата обращения: 9 февраля 2015. Архивировано 3 марта 2016 года.
  9. 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.
  10. R. Lopez; et al. (2014). “Neural Networks for Variational Problems in Engineering”. International Journal for Numerical Methods in Engineering [англ.]. 75 (11): 445—452.
  11. P. Richter; et al. (2011). “Optimisation of Concentrating Solar Thermal Power Plants with Neural Networks”. Lecture Notes in Computer Science [англ.]. 6593: 190—199.
  12. 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.