Anda di halaman 1dari 10

Frameworks Para

Crear Redes
Neuronales
Alumno: Gumercindo CU Nah.
Asignatura: Desarrollo de sistemas robticos.

Neuroph
Es un marco orientado a objetos de redes neuronales
escrito en Java. Puede utilizarse para crear y formar
redes neuronales en programas Java. Neuroph
proporciona la biblioteca de clases de Java as como la
herramienta de interfaz grfica (GUI) easyNeurons para
la creacin y formacin de redes neuronales.
Es un proyecto de cdigo abierto en SourceForge, y la
ltima versin 2.4 ha sido publicada bajo la licencia
Apache. Versiones anteriores fueron licenciadas bajo
LGPL.

Caractersticas
Las clases principales de Neuroph corresponden a los
conceptos bsicos de una red neuronal, tales como:
neurona artificial, capa de neuronas, conexiones de
neurona, peso, funcin de transferencia, entrada de
funcin, regla de aprendizaje, etc.
Neuroph es compatible con arquitecturas de red neuronal
comunes tales como perceptrn multicapa con
backpropagation, redes de Kohonen y redes de Hopfield.
Todas
estas
clases
pueden
ser
extendidas
y
personalizadas
para
crear
redes
neuronales
personalizadas y reglas de aprendizaje. Tiene soporte
incluido para reconocimiento de imagen.

Open NN
Open NN es una aplicacin amplia de la perceptrn
multicapa de redes neuronales en el lenguaje de
programacin C ++.
Incluye varios funciones objetivas y algoritmos de
entrenamiento, as como diferentes utilidades para la
solucin de una amplia gama de problemas.
Open NN tambin proporciona un marco eficaz para la
investigacin y el desarrollo de redes de algoritmos y
aplicaciones neuronales. El paquete viene con una
extensa documentacin. versin actual: OpenNN9
liberado en 2014

Open NN proporciona un marco eficaz para la


investigacin y el desarrollo de la minera de datos y de
anlisis de algoritmos y aplicaciones predictivas. Es una
biblioteca de software, por lo tanto no contiene una
interfaz de usuario. El siguiente cuadro muestra open
NN.
Opennn se ha escrito en ANSI C ++. Esto significa que la
biblioteca se puede construir en cualquier sistema con
poco esfuerzo. Open NN incluye archivos de proyecto
para Qt Creator. Cuando se trabaja con otro compilador
es necesario, se debe crear un proyecto para ello.

Chainer
Chainer es un marco flexible para las redes neuronales. Uno de los
objetivos principales es la flexibilidad, por lo que debe permitirnos escribir
arquitecturas complejas forma sencilla e intuitiva.
Chainer adopta un esquema "Define-por-Run", es decir, la red se define
sobre la marcha mediante el clculo adicional actual. Ms precisamente,
Chainer almacena la historia de clculo en vez de la lgica de
programacin. Esta estrategia permite aprovechar al mximo el poder de
la lgica de programacin en Python. Por ejemplo, Chainer no necesita
ningn tipo de magia para introducir condicionales y bucles en las
definiciones de red. El esquema Define-por-Run es el concepto bsico de
Chainer. Mostraremos en este tutorial cmo definir redes dinmicamente.
Esta estrategia tambin hace que sea fcil de escribir paralelizacin multiGPU, ya que la lgica se acerca ms a la red manipulacin. Vamos a revisar
los siguientes servicios en secciones posteriores de este tutorial.

ejemplo
import numpy as np
import chainer
from chainer import cuda , Function ,
gradient_check , Variable , optimizers , serializers ,
utils
from chainer import Link , Chain , ChainList
import chainer.functions as F
import chainer.links as L