OpenNN
| OpenNN | |
|---|---|
| Basisdaten
| |
| Entwickler | Artelnics |
| Betriebssystem | Plattformunabhängigkeit |
| Kategorie | Künstliche Intelligenz |
| Lizenz | GNU LGPL |
| www.opennn.net | |
OpenNN (Open Neural Networks Library) ist eine Programmbibliothek geschrieben in C++, die ein künstliches neuronales Netz implementiert.[1] Die Bibliothek ist Open Source, bei SourceForge gehostet und unter GNU Lesser General Public License gestellt.
Geschichte
Die Entwicklung begann im Jahr 2003 im International Center for Numerical Methods in Engineering (CIMNE) der Universitat Politècnica de Catalunya mit RAMFLOOD, einem von der Europäischen Union finanzierten Forschungsprojekt.[2] Derzeit wird OpenNN vom Start-up-Unternehmen Artelnics weiterentwickelt.[3] 2014 wurde OpenNN von Big Data Analytics Today als das Projekt mit der besten Umsetzung einer künstlichen Intelligenz ausgezeichnet.[4] Im selben Jahr wurde es von ToppersWorld unter die Top 5 der Open Source Data Mining Tools gewählt.[5]
Anwendung
OpenNN implementiert Data-Mining-Methoden als ein Bündel von Funktionen. Diese können in anderen Softwarewerkzeugen unter Verwendung einer Programmierschnittstelle (API) zwischen dem Softwaretool und den Aufgaben zu Predictive Analytics eingebettet werden. Es fehlt dabei eine grafische Benutzeroberfläche, jedoch sind einige Funktionen zur Unterstützung von spezifischen Visualisierungsprogrammen enthalten.[6]
OpenNN kann für Maschinelles Lernen, Data-Mining und Predictive Analytics-Aufgaben in verschiedenen Bereichen eingesetzt werden. So findet die Bibliothek in den Ingenieurwesen,[7] der Energieforschung,[8] der Chemie[9] und sonstigen Sektoren Anwendung.
Siehe auch
Einzelnachweise
- ↑ OpenNN, An Open Source Library For Neural Networks. KDNuggets. Juni 2014.
- ↑ CORDIS - EU Research Project RAMFLOOD. European Commission. Dezember 2004.
- ↑ Artelnics home page.
- ↑ Top 12 Brain Inspired Artificial Intelligence Projects. Big Data Analytics Today. Oktober 2014.
- ↑ Top 5 Open Source Data Mining Tools. ToppersWorld. November 2014.
- ↑ J. Mary Dallfin Bruxella et al.: Categorization of Data Mining Tools Based on Their Types. In: International Journal of Computer Science and Mobile Computing. 3, Nr. 3, 2014, S. 445–452.
- ↑ R. Lopez et al.: Neural Networks for Variational Problems in Engineering. In: International Journal for Numerical Methods in Engineering. 75, Nr. 11, 2008, S. 1341–1360. doi:10.1002/nme.2304.
- ↑ P. Richter et al.: Optimisation of Concentrating Solar Thermal Power Plants with Neural Networks. In: Lecture Notes in Computer Science. 6593, 2011, S. 190–199. doi:10.1007/978-3-642-20282-7_20.
- ↑ A.A. D’Archivio et al.: Artificial Neural Network Prediction of Multilinear Gradient Retention in Reversed-Phase HPLC. In: Analytical and Bioanalytical Chemistry. 2014, S. 1–10. doi:10.1007/s00216-014-8317-3.
