 | mdp.데이터 처리 라이브러리 용 모듈 형 툴킷 |
| 지금 다운로드 | |
mdp. 순위 및 요약
광고
mdp. 태그
mdp. 설명
데이터 처리 라이브러리를위한 모듈 형 툴킷 MDP는 (데이터 처리를위한 모듈 툴킷) 널리 데이터 software.From 사용자 관점 처리 더 복잡한 데이터를 구축하기위한 파이프 라인과 유사에 따라 조합 될 수 알고리즘을 처리하는 라이브러리, MDP는 관리 대상과 자율 학습 알고리즘의 집합으로 구성 및 시퀀스 (흐름) 더 복잡한 피드 포워드 네트워크 아키텍처의 데이터 처리로 결합 될 수있는 다른 데이터 처리 장치 (노드). 입력 데이터의 집합을 감안할 때, MDP는 연속적으로 훈련 또는 네트워크의 모든 노드를 실행을 처리합니다. 이것은 사용자가 가능한 알고리즘의 자연 길이야베이스 단계를 처리하는 간단한 데이터의 일련의 복잡한 알고리즘을 지정할 수 있습니다 꾸준히 이름을, 증가 포함되어 있지만 가장 일반적으로, 주성분 분석 (PCA와 NIPALS), 여러 독립 성분 분석 알고리즘 (CuBICA, 독립 인, TDSEP는 JADE 및 XSFA), 슬로우 기능 분석, 가우스 분류기, 제한 볼츠만 기계 및 로컬 선형 Embedding.Particular 관리는 속도와 메모리의 측면에서 계산을 효율적으로하기 위해 촬영되었습니다. 메모리 요구 사항을 줄이기 위해, 데이터의 배치를 사용하여 학습을 수행하고, 노드의 내부 파라미터가 가능한 매우 큰 데이터 세트의 사용을 만드는 하나의 정밀도로 정의 할 수 있습니다. 또한, '병렬'서브 패키지 제공 기본 노드와 flows.From 개발자의 관점의 병렬 구현, MDP 쉽고 간단 새로운 감독 및 자율 학습 알고리즘의 구현을 만드는 프레임 워크입니다. 기본 클래스는, '노드', 학습 및 실행 단계의 구현에 집중할 수없는 개발자를 떠나, 숫자 유형과 차원 검사와 같은 지루한 작업을 담당한다. 때문에 공통 인터페이스의 노드가 자동으로 라이브러리의 나머지 부분과 통합하고 다른 노드와 함께 네트워크에서 사용할 수 있습니다. 노드는 여러 교육 단계와 단계의도 예측할 수를 가질 수 있습니다. 이것은 필요 실제 훈련하기 전에 전체 입력에 대한 통계를 수집하는 것을 알고리즘의 구현을 허용하고, 다른 기준에 수렴 할 때까지 트레이닝 단계를 통해 반복 할 필요가 만족된다. 청크는 반복자 생성하는 경우, 입력 데이터의 청크를 사용하여 각 단계를 훈련 할 수있는 능력이 유지된다. 또한, 응급 복구는 선택적으로 볼 수 있습니다 : 실패의 경우에, 흐름의 현재 상태는 신경 과학의 이론적 연구의 맥락에서 기록 된 이후 inspection.MDP 저장됩니다 있지만 어떤 상황에 맞는 곳에서 도움이 될 수 있도록 설계되었습니다 알고리즘 처리 학습 가능한 데이터가 사용된다. 구현 된 노드의 재사용과 사용자 측 함께에 미치는 단순 또한 유효한 교육 도구합니다. 요구 사항 : · 파이썬 · NUMPY. · SciPy 이 릴리스에서는 새로운 기능 : · 2009-06-30 : 단위 테스트의 출력 수치 백엔드, 병렬 파이썬 지원, symeig 백엔드 수치 백엔드의 온라인 검색을 추가했습니다. 디버깅에 도움이 될 것입니다. · 2009-06-12 : 컷오프 및 히스토그램 노드의 통합. · 2009-06-12 : 병류 (예외 처리)의 버그 수정. · 2009-06-09 : output_dim는 부동입니다 LLENode의 버그를 수정. 콘라드 Hinsen 감사합니다. · 2009-06-05 : 여러 스케줄러를 병렬 흐름에서 수정 된 버그. · 2009-06-05 : 알베르토 에스 칼란에 레이어 역 버그, 덕분에 해결했습니다. · 2009-04-29하십시오 LinearRegressionNode을 추가했습니다. · 2009-03-31 : PCANode는 공분산 행렬이 True == SVD IFF에 부정적인 고유 값을 가질 때 더 이상 불평 또는 == 사실을 절감하지 않습니다. output_dim가 원하는 분산이 지정된 경우, 음의 고유 값은 무시됩니다. 부정적인 고유의 경우 SFANode에 대한 오류 메시지 개선, 우리는 지금 PCANode와 노드를 앞에 추가하는 것이 좋습니다 (SVD = True) 또는 PCANode는 (감소 = 참). · 2009-03-26 : 새로운 스레드 하나 된 스레드 패키지에서 마이그레이션. 프로세스 스케줄러 비활성화 캐싱 플래그를 추가했습니다. 사용자 정의 스케줄러에 대한 일부 파괴 변경 (병렬 흐름 훈련 또는 실행이 영향을받지 않습니다)가 있습니다. · 2009-03-25 : 추가 SVN 개정 추적을 지원합니다. · 2009-03-25 : 스케줄러에 대한 copy_callable 플래그를 제거, 이것은 이제 완전히 TaskCallable을 분기로 대체됩니다. 이 편리한 ParallelFlow 인터페이스에 대한 아무런 효과가 없지만, 사용자 정의 스케줄러는 깨진 얻을. · 2009-09-08 다음 ProcessScheduler에서 구현 캐싱. · 2009-02-22 : make_parallel 이제는 메모리를 절약하기 위해 완전히 위치가 완전히 작동합니다. · 2009-02-12 : 플로벨드에 컨테이너 방법을 추가했습니다. · 2009-03-03 : 테스트가있는 Crosscovariancematrix를 추가했습니다. · 2009-02-03 : IdentityNode를 추가했습니다. · 2009-01-30 : HINET에 도우미 기능이 추가되어 흐름 HTML 표현을 직접 표시합니다. · 2009-01-22 : Layer에서 output_dim을 lazily로 설정하도록 허용하십시오. · 2008-12-23 : Nipals 노드에 total_variance를 추가했습니다. · 2008-12-23 : PCANODE에서 훈련 한 후에 항상 EXPLAINED_VARIANCE 및 TOTAL_VARIANCE를 설정하십시오. · 2008-12-12 : 정말로 대칭 행렬 (긍정적 인 명확한뿐만 아니라)을 정말로 반환하기 위해 수정 된 symrand. 그것을 설명하기 위해 GaussianClassifierNode를 적용했습니다. 복잡한 Hermitian 매트릭스를 반환하기 위해 적응 된 symrand. · 2008-12-11 : PCANODE의 한 가지 문제가 해결됩니다 (output_dim이 input_dim으로 설정된 경우 전체 분산이 알 수없는 것으로 처리되었습니다). ParallelPCanode의 수정 된 var_part 매개 변수. · 2008-12-11 : var_part 기능을 pcanode에 추가했습니다 (Absoute 분산에 대한 분산에 따라 필터에 따라 필터). · 2008-12-04 : 자습서에서 AMAX 호출에서 누락 된 AXIX ARG 고정. 사무엘 존 덕분에! · 2008-12-04 : ParallelFlow에서 빈 데이터 반복자 처리를 수정했습니다. 또한 빈 반복자가 정상적인 흐름에 검사를 추가했습니다 (반복기가 비어있는 경우 예외를 올리십시오). · 2008-11-19 : 수정 된 PCA 및 SFA 노드는 COV 매트릭스의 Negaive Eigenvalues를 확인합니다. · 2008-11-19 : Symeig SIPY에 통합 된 MDP는 지금 그로부터 사용할 수 있습니다. · 2008-11-18 : ParallelFDanode를 추가했습니다. · 2008-11-18 : 추가 인수를 지원하기 위해 Parallelllow 용 트레인 호출을 업데이트했습니다. · 2008-11-05 : Make Parallel Code의 재 작성은 이제 HINET 구조를 지원합니다. · 2008-11-03 : HINET HTML 대응자 창조자의 재 작성. 불행히도 이것은 또한 공개 인터페이스를 해제하지만 변경 사항은 꽤 간단합니다. · 2008-10-29 : ProcessScheduler의 원격 프로세스에서 오는 경고 차단 · 2008-10-27 : ParallelFlow의 init 방법에 kwargs 덮어 쓰기 문제가 해결되었습니다. · 2008-10-24 : HINET.FLOWNODE의 Pretretrained 노드 버그를 수정했습니다. · 2008-10-20 : PP (Parallel Python Library)가 설치된 경우 병렬 패키지로 고정 된 임계 가져 오기 버그가 수정되었습니다.
mdp. 관련 소프트웨어
