Hispanopedia WikiAccord.NET es un marco para computación científica en .NET. El código fuente del proyecto está disponible bajo los términos de la Licencia Pública Menor de GNU , versión 2.1.
El marco comprende un conjunto de bibliotecas que están disponibles en código fuente, así como a través de instaladores ejecutables y paquetes NuGet . Las principales áreas cubiertas incluyen álgebra lineal numérica , optimización numérica, estadísticas, aprendizaje automático, redes neuronales artificiales, procesamiento de señales e imágenes y bibliotecas de soporte (como trazado y visualización de gráficos). [2] [3] El proyecto se creó originalmente para ampliar las capacidades de AForge.NET Framework , pero desde entonces ha incorporado AForge.NET dentro de sí mismo. Las versiones más recientes han unido ambos marcos bajo el nombre Accord.NET.
Accord.NET Framework ha aparecido en varios libros como Mastering .NET Machine Learning [4] de PACKT Publishing y F# for Machine Learning Applications, [5] presentado en QCON San Francisco, [6] y actualmente acumula más de 1500 bifurcaciones en GitHub. [7]
Se han publicado múltiples publicaciones científicas con el uso del marco. [8] [9] [10] [11] [12] [13]
Véase también
Referencias
- ^ "Aprendizaje automático, visión artificial, estadística y computación científica general para .NET: Accord-net/framework". GitHub . 2018-12-21.
- ^ Greg Duncan. Procesamiento portátil de imágenes y vídeos con la ayuda de AForge.NET y Accord.NET. [1] Channel 9, noviembre de 2014. Extracto web
- ^ Proyecto Accord en Open Hub. [2] Extracto web
- ^ "Dominar el aprendizaje automático .NET". www.packtpub.com .
- ^ "F# para conceptos básicos del aprendizaje automático". www.packtpub.com .
- ^ "Aprendizaje automático de NET: F# y Accord.NET". InfoQ .
- ^ Proyecto Accord.NET Framework en GitHub
- ^ Blamey, Ben; Crick, Tom; Oatley, Giles (2013). "'El primer día de verano': análisis de expresiones temporales con semántica distribuida" (PDF) . Investigación y desarrollo en sistemas inteligentes XXX (PDF) . Springer, Cham. págs. 389–402. doi :10.1007/978-3-319-02621-3_29. ISBN 978-3-319-02620-6.
- ^ Mueller, Wojciech; Nowakowski, Krzysztof; Tomczak, Robert J.; Kujawa, Sebastián; Rudowicz-Nawrocka, Janina; Idziaszek, Przemysław; Zawadzki, Adrián (19 de julio de 2013). "Sistema informático que respalda la adquisición de datos de imágenes utilizados en la identificación de pastizales". En Wang, Yulin; Yi, Xie (eds.). Quinta Conferencia Internacional sobre Procesamiento de Imágenes Digitales (ICDIP 2013) . vol. 8878. Sociedad Internacional de Óptica y Fotónica. págs. 88781T–88781T–4. doi :10.1117/12.2031602. S2CID 368511.
- ^ Arriaga, Julio; Kossan, George; Cody, Martin; Vallejo, Edgar; Taylor, Charles (2013). "Matrices de sensores acústicos para comprender la comunicación de las aves. Identificación de vireos de Cassin utilizando SVM y HMM". Advances in Artificial Life, ECAL 2013 : 827–828. CiteSeerX 10.1.1.474.7109 . doi :10.7551/978-0-262-31709-2-ch120. ISBN : 978-0-262-31709-2-ch120. 9780262317092.
- ^ Keramitsoglou, I.; Kiranoudis, CT; Weng, Q. (septiembre de 2013). "Reducción de escala de imágenes de temperatura de la superficie terrestre geoestacionaria para análisis urbano". IEEE Geoscience and Remote Sensing Letters . 10 (5): 1253–1257. Bibcode :2013IGRSL..10.1253K. doi :10.1109/lgrs.2013.2257668. ISSN 1545-598X. S2CID 8990560.
- ^ Afif, Mohammed H.; Hedar, Abdel-Rahman; Hamid, Taysir H. Abdel; Mahdy, Yousef B. (8 de diciembre de 2012). "Máquinas de vectores de soporte con núcleos potenciados ponderados para la clasificación de datos". Tecnologías y aplicaciones avanzadas de aprendizaje automático . Comunicaciones en informática y ciencias de la información. Vol. 322. págs. 369–378. doi :10.1007/978-3-642-35326-0_37. ISBN 978-3-642-35325-3.
- ^ De Souza, Cesar Roberto (2017). "Generación procedimental de videos para entrenar redes de reconocimiento de acciones profundas". Visión por computadora y reconocimiento de patrones (CVPR) . 2017 : 4757–4767. arXiv : 1612.00881 – vía CVPR Open Access.
