Accord.NET - Accord.NET

Accord.NET
Accord.NET- icon-origo-3 med.png
Оригинальный автор (ы)Сезар Роберто де Соуза
изначальный выпуск20 мая 2010 г.; 10 лет назад (2010-05-20)[1]
Стабильный выпуск
3.8.0 / 22 октября 2017 г.; 3 года назад (2017-10-22)
Предварительный выпуск
3.8.0 / 22 октября 2017 г.; 3 года назад (2017-10-22)
Репозиторий
Отредактируйте это в Викиданных
Написано вC #
Операционная системаКроссплатформенность
ТипРамки
ЛицензияLGPLv3 и частично GPLv3
Интернет сайтwww.accord-framework.сеть

Accord.NET это фреймворк для научных вычислений в .NET. Исходный код проекта доступен на условиях Общественная лицензия ограниченного применения GNU, версия 2.1.

Фреймворк включает набор библиотек, доступных в исходном коде, а также через исполняемые установщики и NuGet пакеты. Основные охватываемые области включают числовую линейную алгебру, численную оптимизацию, статистику, машинное обучение, искусственные нейронные сети, обработку сигналов и изображений, а также вспомогательные библиотеки (например, построение графиков и визуализацию).[2][3] Изначально проект создавался для расширения возможностей AForge.NET Framework, но с тех пор включил AForge.NET в себя. Более новые выпуски объединили обе платформы под названием Accord.NET.

Accord.NET Framework упоминается в нескольких книгах, таких как Mastering.NET Machine Learning[4] от публикации PACKT и F # для приложений машинного обучения,[5] представлен в QCON в Сан-Франциско,[6] и в настоящее время на GitHub собрано более 1500 форков.[7]

С использованием фреймворка было опубликовано множество научных публикаций.[8][9][10][11][12][13]

Смотрите также

Рекомендации

  1. ^ «Машинное обучение, компьютерное зрение, статистика и общенаучные вычисления для .NET: Accord-net / framework». 2018-12-21.
  2. ^ Грег Дункан. Портативная обработка изображений и видео с помощью AForge.NET и Accord.NET. [1] Channel 9, ноябрь 2014 г. Веб-отрывок
  3. ^ Проект Accord на Open Hub. [2] Веб-выдержка
  4. ^ «Освоение машинного обучения .NET». www.packtpub.com.
  5. ^ «F # для основ машинного обучения». www.packtpub.com.
  6. ^ «Машинное обучение .NET: F # и Accord.NET». InfoQ.
  7. ^ Проект Accord.NET Framework на GitHub
  8. ^ Блейми, Бен; Крик, Том; Оатли, Джайлз (2013). "'Первый день лета »: разбор временных выражений с помощью распределенной семантики» (PDF). Исследования и разработки в области интеллектуальных систем XXX (PDF). Спрингер, Чам. С. 389–402. Дои:10.1007/978-3-319-02621-3_29. ISBN  978-3-319-02620-6.
  9. ^ Мюллер, Войцех; Новаковский, Кшиштоф; Tomczak, Роберт Дж .; Куджава, Себастьян; Рудович-Навроцкая, Янина; Идзяшек, Пшемыслав; Завадски, Адриан (19.07.2013). «ИТ-система, поддерживающая получение данных изображений, используемых для идентификации пастбищ». Ин Ван, Юйлинь; Йи, Се (ред.). Пятая международная конференция по цифровой обработке изображений (ICDIP 2013). 8878. Международное общество оптики и фотоники. С. 88781T – 88781T – 4. Дои:10.1117/12.2031602.
  10. ^ Арриага, Хулио; Коссан, Джордж; Коди, Мартин; Вальехо, Эдгар; Тейлор, Чарльз (2013). Массив акустических датчиков для понимания общения птиц. Идентификация Vireos Кассина с помощью SVM и HMM. Достижения в области искусственной жизни, ECAL 2013. С. 827–828. CiteSeerX  10.1.1.474.7109. Дои:10.7551 / 978-0-262-31709-2-ch120. ISBN  9780262317092.
  11. ^ Keramitsoglou, I .; Kiranoudis, C.T .; Вен, К. (сентябрь 2013 г.). «Даунскейлинг геостационарных изображений температуры поверхности земли для городского анализа». Письма IEEE по наукам о Земле и дистанционному зондированию. 10 (5): 1253–1257. Bibcode:2013IGRSL..10.1253K. Дои:10.1109 / lgrs.2013.2257668. ISSN  1545-598X.
  12. ^ Афиф, Мохаммед Х .; Хедар, Абдель-Рахман; Хамид, Тайсир Х. Абдель; Махди, Юсеф Б. (2012-12-08). Машины опорных векторов с ядрами с взвешенным питанием для классификации данных. Передовые технологии и приложения машинного обучения. Коммуникации в компьютерных и информационных науках. 322. С. 369–378. Дои:10.1007/978-3-642-35326-0_37. ISBN  978-3-642-35325-3.
  13. ^ Де Соуза, Сезар Роберто (2017). «Процедурная генерация видео для обучения сетей распознавания глубоких действий». Компьютерное зрение и распознавание образов (CVPR). 2017: 4757–4767. arXiv:1612.00881 - через открытый доступ CVPR.

внешняя ссылка