OpenNN
| OpenNN | ||
|---|---|---|
 | ||
| Información general | ||
| Tipo de programa | biblioteca de software | |
| Desarrollador | Artelnics | |
| Lanzamiento inicial | 2003 | |
| Licencia | GNU LGPL | |
| Información técnica | ||
| Programado en | C++ | |
| Versiones | ||
| Última versión estable | 3.110 de febrero de 2017 | |
| Enlaces | ||
OpenNN es una biblioteca informática escrita en C++ que implementa redes neuronales.[1] La biblioteca es de código abierto y ha sido distribuida bajo la Licencia Pública General Reducida de GNU.
Características[editar]
El software implementa el más moderno sistema de aprendizaje profundo, con un número arbitrario de capas de transformaciones no lineales, lo que permite diseñar redes neuronales con propiedades de aproximación universal. Por otro lado, utiliza procesamiento en paralelo a través de OpenMP, con el fin de maximizar el rendimiento computacional.
OpenNN consiste en un conjunto de funciones que pueden ser añadidas en otras herramientas de software, para la integración de tareas de análisis predictivo en dichas herramientas. De este modo, la biblioteca no cuenta con una interfaz gráfica, pero algunas de las funciones que desarrolla pueden apoyarse con herramientas de visualización específicas.[2]
Historia[editar]
El desarrollo empezó en el Centro Internacional de Métodos Numéricos en Ingeniería (CIMNE)[3] durante 2003, como parte del proyecto de investigación de la Unión Europea RAMFLOOD.[4] Después continuó como parte de proyectos similares. Actualmente, OpenNN está siendo desarrollada por la compañía startup Artelnics.[5]
En 2014, la página Big Data Analytics Today calificó OpenNN como #1 en su lista de proyectos de inteligencia artificial inspirados en el funcionamiento del cerebro.[6] En el mismo año, OpenNN también fue seleccionado por la página ToppersWorld entre las 5 mejores aplicaciones de minería de datos.[7]
Aplicaciones[editar]
OpenNN es un software de propósito general,[8] que puede ser utilizado para tareas de aprendizaje automático, minería de datos y análisis predictivo en diferentes áreas. Por ejemplo, la biblioteca ha sido utilizada en el sector de la ingeniería,[9] de la energía,[10] o la industria química.[11]
Véase también[editar]
Referencias[editar]
- ↑ «OpenNN – Redes neuronales open source».
- ↑ (en ingles)J. Mary Dallfin Bruxella et al. (2014). «Categorization of Data Mining Tools Based on Their Types». International Journal of Computer Science and Mobile Computing 3 (3): 445-452.
- ↑ «Sitio web CIMNE».
- ↑ «CORDIS - EU Research Project RAMFLOOD». European Commission.
- ↑ «Sitio web de Artelnics».
- ↑ (en inglés)Big Data Analytics Today (Octubre de 2014). «Top 12 Brain Inspired Artificial Intelligence Projects». Archivado desde el original el 11 de marzo de 2016. Consultado el 9 de febrero de 2015.
- ↑ (en inglés)ToppersWorld (Noviembre de 2014). «Top 5 Open Source Data Mining Tools». Archivado desde el original el 3 de marzo de 2016. Consultado el 9 de febrero de 2015.
- ↑ (en inglés)Saurabh Singh (25 de junio de 2014). «Here Are 7 Thought-Provoking AI Software Packages For Your Info». Archivado desde el original el 27 de junio de 2014. Consultado el 9 de febrero de 2015.
- ↑ (en inglés)R. Lopez et al. (2014). «Neural Networks for Variational Problems in Engineering». International Journal for Numerical Methods in Engineering 75 (11): 445-452.
- ↑ (en inglés)P. Richter et al. (2011). «Optimisation of Concentrating Solar Thermal Power Plants with Neural Networks». Lecture Notes in Computer Science 6593: 190-199.
- ↑ (en inglés)A.A. D’Archivio et al. (2014). «Artificial Neural Network Prediction of Multilinear Gradient Retention in Reversed-Phase HPLC». Analytical and Bioanalytical Chemistry: 1-10.
