OpenNN

OpenNN (Open Neural Netvorks Library) je softverska biblioteka napisana u programskom

jeziku C++ koja implementira neuronske mreže, glavnu oblast istraživanja dubokog učenja.
Softver implementira bilo koji broj slojeva nelinearnih procesnih jedinica za nadgledano učenje.
Ova duboka arhitektura omogućava projektovanje neuronskih mreža sa univerzalnim
svojstvima aproksimacije. Pored toga, omogućava višeprocesno programiranje pomoću
OpenMP-a, u cilju povećanja performansi računara.

OpenNN sadrži algoritme mašinskog učenja kao skup funkcija. Oni se mogu ugraditi u druge
softverske alate, koristeći interfejs za programiranje aplikacije, za integraciju zadataka
prediktivne analitike. U tom smislu nedostaje grafički korisnički interfejs, ali neke funkcije mogu
biti podržane posebnim alatima za vizuelizaciju. Razvoj je započeo 2003. godine u
Međunarodnom centru za numeričke metode u inženjerstvu, u okviru istraživačkog projekta
finansiranog od strane Evropske unije pod nazivom RAMFLOOD (Risk Assessment and
Management of FLOODs).[3] Zatim je nastavljeno u sklopu sličnih projekata. Trenutno OpenNN
razvija startap kompanija Artelnics. OpenNN je softverski paket opšte namene za veštačku
inteligenciju.[5] Koristi tehnike mašinskog učenja za rešavanje zadataka prediktivne analitike u
različitim oblastima. Na primer, biblioteka je primenjena u inženjerskom, energetskom ili
hemijskom sektoru. OpenNN je dizajniran da uči iz skupova podataka i matematičkih modela.

Skupovi podataka: Regresija funkcije, Prepoznavanje uzoraka, Predviđanje vremenskih serija.

Matematički modeli: Optimalna kontrola, Dizajn optimalnog oblika, Skupovi podataka i

matematički modeli: Inverzni problemi.

Paket dolazi sa jediničnim testiranjem, mnogo primera i obimne dokumentacije. On pruža

efikasan okvir za istraživanje i razvoj algoritama i aplikacija neuronskih mreža.

OpenNN uključuje datoteke projekta za Kt Creator. Ako želite da radite sa drugim kompajlerom,
potrebno je da napravite projekat za njega. Neural Designer je u stanju da učita skup podataka
1.8 puta veći od TensorFlov i PiTorch.

Biblioteka ima više od 50.000 istraživačkih i poslovnih korisnika, među kojima su sledeće
organizacije: Filips, Univerzitet u Vašingtonu, Airbus.

Klase koje sadrži ova biblioteka su:

 DataSet: Ova klasa sadrži pomoć ne programe koji se bave obradom

podataka.
 NeuralNetwork: Ova klasa predstavlja koncept neuronske mreže; ovo
objedinjuje sve različite koncepte neuronske mreže.
  PerceptronLaier: Ova klasa predstavlja sloj perceptrona.

 ScalingLaier: Ova klasa predstavlja sloj skalirajuć ih neurona.

 UnscalingLaier: Ova klasa predstavlja sloj neurona za skaliranje.

 Boundinglaier: Ova klasa predstavlja sloj graničnih neurona.

 Probabilisti cLaier: Ova klasa predstavlja sloj probabilisti čkih

neurona.

 LongShortTermMemoriLaier: Ova klasa predstavlja sloj LSTM

neurona.

 RecurrentLaier: Ova klasa predstavlja sloj rekurentnih neurona.

 Convoluti onaLaier: Ova klasa predstavlja sloj konvolucionih

neurona.

 PoolingLaier: Ova klasa se koristi za čuvanje informacija o Pooling

Laier-u u konvolucionoj neuronskoj mreži (CNN).

 PrincipalComponentsLaier: Ova klasa predstavlja sloj analize

glavnih komponenti .

 TrainingStrategy:  Ova klasa predstavlja koncept strategije obuke za

neuronsku mrežu u OpenNN-u.

LossIndek: Ova apstraktna klasa predstavlja koncept termina

greške.

TrainingAlgoritam: Ova apstraktna klasa predstavlja koncept

algoritma obuke za neuronsku mrežu.

 ModelSelecti on: Ova klasa predstavlja koncept algoritma za izbor modela

u OpenNN-u. Koristi se za pronalaženje mrežne arhitekture sa
maksimalnim moguć nosti ma generalizacije.
 InputSelection: This abstract class represents the concept
of an input selection algorithm for a neural network.

 NeuronsSelection:  This abstract class represents the

concept of neurons selection algorithm for a neural
network
 Testi ngAnalysis:  Ova klasa predstavlja koncept analize; sadrži alate za
testi ranje neuronskih mreža u različiti m zadacima učenja.