OpenNN (Open Neural Networks Library) es una biblioteca de software escrita en el lenguaje de programación C++ que implementa redes neuronales , un área principal de investigación en aprendizaje profundo . [1] La biblioteca es de código abierto y tiene licencia GNU Lesser General Public License .
Características
El software implementa cualquier número de capas de unidades de procesamiento no lineal para el aprendizaje supervisado . Esta arquitectura profunda permite el diseño de redes neuronales con propiedades de aproximación universales . Adicionalmente, permite la programación multiprocesamiento mediante OpenMP , con el fin de aumentar el rendimiento del computador .
OpenNN contiene algoritmos de aprendizaje automático como un conjunto de funciones. Estos pueden integrarse en otras herramientas de software, utilizando una interfaz de programación de aplicaciones , para la integración de las tareas de análisis predictivo . En este sentido, falta una interfaz gráfica de usuario, pero algunas funciones pueden ser compatibles con herramientas de visualización específicas. [2]
Historia
El desarrollo comenzó en 2003 en el Centro Internacional de Métodos Numéricos en Ingeniería , dentro del proyecto de investigación financiado por la Unión Europea llamado RAMFLOOD (Risk Assessment and Management of FLOODs). [3] Luego continuó como parte de proyectos similares. OpenNN está siendo desarrollado por la empresa emergente Artelnics. [4]
Aplicaciones
OpenNN es un paquete de software de inteligencia artificial de propósito general. [5] Utiliza técnicas de aprendizaje automático para resolver tareas de análisis predictivo en diferentes campos. Por ejemplo, la biblioteca se ha aplicado en los sectores de ingeniería, energía o química. [6] [7] [8]
Véase también
- Comparación de software de aprendizaje profundo
- Neural Designer , también desarrollado por Artelnics
- Inteligencia artificial
- Aprendizaje automático
- Aprendizaje profundo
- Red neuronal artificial
Referencias
- ^ "OpenNN, una biblioteca de código abierto para redes neuronales". KDNuggets. Junio de 2014.
- ^ J. Mary Dallfin Bruxella; et al. (2014). "Categorización de herramientas de minería de datos en función de sus tipos". Revista internacional de informática y computación móvil . 3 (3): 445– 452.
- ^ "CORDIS - Proyecto de investigación de la UE RAMFLOOD". Comisión Europea. Diciembre de 2004.
- ^ "Página de inicio de Artelnics".
- ^ "Aquí tienes 7 paquetes de software de inteligencia artificial que te harán reflexionar y que te servirán de ayuda". Saurabh Singh. Archivado desde el original el 27 de junio de 2014. Consultado el 25 de junio de 2014 .
- ^ R. Lopez; et al. (2008). "Redes neuronales para problemas variacionales en ingeniería". Revista internacional de métodos numéricos en ingeniería . 75 (11): 1341– 1360. Bibcode :2008IJNME..75.1341L. doi :10.1002/nme.2304. hdl : 10261/310317 . S2CID 120913929.
- ^ P. Richter; et al. (2011). "Optimización de plantas de energía solar térmica de concentración con redes neuronales". Algoritmos de computación adaptativa y natural . Apuntes de clase en informática. Vol. 6593. págs. 190– 199. doi :10.1007/978-3-642-20282-7_20. ISBN 978-3-642-20281-0.
- ^ AA D'Archivio; et al. (2014). "Predicción de retención de gradiente multilineal en HPLC de fase inversa mediante redes neuronales artificiales". Química analítica y bioanalítica . 407 (4): 1– 10. doi :10.1007/s00216-014-8317-3. PMID 25395205. S2CID 40461902.