ДЖУН - JOONE

Объектно-ориентированный нейронный движок Java
Скриншот
JoonEdit.png
Демонстрация возможности рисования в JOONE
Разработчики)Команда Joone
Стабильный выпуск
1.2.1 / 8 сентября 2005 г. (2005-09-08)
Предварительный выпуск
2.0 RC1 / 19 января 2007 г. (2007-01-19)
Написано вЯва
Операционная системаКроссплатформенность
ТипПрограммное обеспечение нейронной сети
ЛицензияGPL или же LGPL
Для порнографического режиссера, см Джун (директор)

ДЖУН (Объектно-ориентированный нейронный движок Java) - это компонентная нейронная сеть фреймворк встроенный Ява.

Функции

Joone состоит из компонентной архитектуры, основанной на связываемых компонентах, которые могут быть расширены для создания новых алгоритмов обучения и архитектур нейронных сетей.

Компоненты - это подключаемые модули кода, которые связаны между собой для создания информационного потока. Новые компоненты можно добавлять и использовать повторно. Помимо моделирования, Joone также в некоторой степени обладает возможностями мультиплатформенного развертывания.

У Joone есть редактор графического интерфейса для графического создания и тестирования любой нейронной сети, а также распределенная среда обучения, которая позволяет обучать нейронные сети на нескольких удаленных машинах.

Сравнение

По состоянию на 2010 год Джун, Encog и Нейроф являются основной бесплатной средой разработки нейронных сетей на основе компонентов, доступной для платформы Java. В отличие от двух других существующих (коммерческих) систем, Синапс и NeuroSolutions, он написан на Java и имеет прямой кросс-платформенный поддерживать. Существует ограниченное количество компонентов, а графическая среда разработки рудиментарна, поэтому она имеет значительно меньше функций, чем ее коммерческие аналоги.

Joone можно рассматривать скорее как структуру нейронной сети, чем как полностью интегрированную среду разработки. В отличие от своих коммерческих аналогов, он уделяет большое внимание разработке нейронных сетей на основе кода, а не визуальному построению.

Хотя теоретически Джун можно использовать для создания более широкого набора адаптивные системы (в том числе с неадаптивными элементами), основное внимание уделяется обратное распространение на основе нейронных сетей.

Смотрите также

внешняя ссылка