MDP

MDP (Modular toolkit for Data Processing) a könyvtár a széles körben használt adatfeldolgozó algoritmusok, hogy össze lehet állítja egy gázvezeték analógia építeni bonyolultabb adatfeldolgozó szoftver.
A felhasználó szemszögéből, MDP áll a gyűjtemény felügyelt és felügyelet nélküli tanuló algoritmusok, és más adatfeldolgozó egység (node), hogy össze lehet az adatfeldolgozási szekvenciák (flow) és bonyolultabb feed-forward hálózati architektúrák. Mivel egy sor input adatok, MDP gondoskodik egymás képzés vagy végrehajtó minden csomópont a hálózatban. Ez lehetővé teszi, hogy a felhasználó megadja komplex algoritmusok, mint egy sorozat egyszerűbb adatok feldolgozási lépések természetes módon.
Az adatbázis a rendelkezésre álló algoritmusok folyamatosan emelkedik, és magában foglalja, hogy csak a leggyakoribb, főkomponens analízis (PCA és NIPALS), több független komponens analízis algoritmusok (CuBICA, FastICA, TDSEP, jade, és XSFA), Slow Feature elemzés, Gauss osztályozók, Restricted Boltzmann Machine, és lokálisan lineáris beágyazása.
Különös gondot fordítottak, hogy a számítások hatékony szempontjából sebesség és a memória. Hogy csökkentse a memória követelményeket, lehetséges, hogy végre tanulási tételek felhasználásával adatok, és meg kell határozni a belső paramétereket a csomópontok lehetnek egyszeres pontosságú, ami a használat nagyon nagy adathalmazok lehetséges. Sőt, a "párhuzamos" subpackage kínál egy párhuzamos végrehajtása alapvető csomópontok és áramlások.
A fejlesztő szemszögéből, MDP olyan keretrendszer, amely megnehezíti az új felügyelt és felügyelet nélküli tanuló algoritmusok egyszerű és egyértelmű. Az alap osztály, "Node", gondoskodik az unalmas feladatokat, mint a numerikus típusú és dimenzionalitás ellenőrzés, így a fejlesztő koncentrálhat a végrehajtását a tanulás és a végrehajtás fázisában. Mivel a közös felület, a csomópont ezután automatikusan integrálja a többi a könyvtár és fel lehet használni a hálózati együtt a többi csomóponttal. A csomópont több képzési szakaszok és még meghatározatlan számú fázisok. Ez lehetővé teszi a végrehajtását algoritmusokat kell gyűjteni néhány statisztikai adatot a teljes input mielőtt a tényleges képzési, és mások, hogy kell végighaladni a képzési szakaszban, amíg a konvergencia kritérium teljesül. Az a képesség, hogy a vonat minden fázison darabokat input adatai megmaradnak, ha a darabokat állítunk elő a bejárók. Sőt, a sérülés utáni helyreállítás opcionálisan rendelhető: meghibásodás esetén, a jelenlegi állapot az áramlás elmentheti későbbi ellenőrzés.
MDP írtak keretében elméleti kutatás a neurológia, de azt tervezték, hogy hasznos lehet olyan környezetben, ahol tanítható adatfeldolgozási algoritmusokat használnak. Egyszerűsége a felhasználói oldalon együtt újrafelhasználhatósági a megvalósított csomópontok teszik is érvényes oktatási eszköz.

Mi az új ebben a kiadásban:

• Python 3 támogatását.
• New kiterjesztések: cache és gradiens.
• Egy javított és bővített tutorial.
• Számos javítást és hibajavítás.
• Ez a kiadás a BSD licenc alatt.

Mi az új a 2.5 verzió:

• 2009-06-30: Hozzáadott internetes kimutatása numerikus backend párhuzamos python támogatást, symeig backend és numerikus backend, hogy a kimeneti egység vizsgálatok. Segíteniük kell a hibakeresést.
• 2009-06-12: Integráció az átvágás és a hisztogram csomópontok.
• 2009-06-12: Javítva párhuzamos áramlás (kivétel kezelés).
• 2009-06-09: Fixed bug in LLENode ha output_dim egy úszó. Hála Konrad Hinsen.
• 2009-06-05: Javított hibák párhuzamos áramlás több ütemező.
• 2009-06-05: Javítva egy hiba a réteg inverz köszönhetően Alberto Escalante.
• 2009-04-29: Hozzáadott LinearRegressionNode.
• 2009-03-31: PCANode nem panaszkodik többé, ha kovarianciamátrix negatív sajátértékeket IFF SVD == true vagy csökkentse == true. Ha output_dim lett megadva egy kívánt szórás, negatív sajátértékek figyelmen kívül hagyja. Javított hibaüzenet SFANode esetén negatív sajátértékek, akkor most azt sugallják, hogy az elé a csomópont egy PCANode (SVD = True) vagy PCANode (csökkenti = True).
• 2009-03-26: vándoroltak régi téma csomag az új threading egyet. Hozzáadott zászló letiltása caching folyamatban ütemező. Vannak breaking változások az egyéni ütemezőket (párhuzamos áramlás képzés, illetve a végrehajtás nem érinti.)
• 2009-03-25: Hozzáadott svn felülvizsgálata követéséhez.
• 2009-03-25: Eltávolították az copy_callable zászlót ütemező, ez most teljesen helyébe elválási a TaskCallable. Ennek nincs hatása a kényelmes ParallelFlow felület, de egyéni ütemezőket eltörnek.
• 2009-03-22: Végre caching a ProcessScheduler.
• 2009-02-22: make_parallel működik teljesen in-place memóriát takaríthat meg.
• 2009-02-12: Hozzáadott konténer módszerek FlowNode.
• 2009-03-03: Hozzáadott CrossCovarianceMatrix a vizsgálatokat.
• 2009-02-03: Hozzáadott IdentityNode.
• 2009-01-30: Hozzáadott egy segítő funkciót hinet közvetlenül megjeleníteni áramlási HTML képviseletét.
• 2009-01-22: Hagyjuk output_dim Layer kell beállítani lustán.
• 2008-12-23: Hozzáadott total_variance a nipals csomópont.
• 2008-12-23: Mindig állítsa explained_variance és total_variance edzés után PCANode.
• 2008-12-12: Módosított symrand hogy valóban visszatér szimmetrikus mátrixok (és nem csak pozitív definit). Igazítani GaussianClassifierNode megmagyarázni, hogy. Igazítani symrand hogy visszatérjen is komplex mátrixok.
• 2008-12-11: Fix egyik probléma PCANode (ha output_dim volt állítva input_dim a teljes variancia kezelték ismeretlen). Fix var_part paraméter ParallelPCANode.
• 2008-12-11: Hozzáadott var_part funkció PCANode (filter szerinti szórás képest absoute szórás).
• 2008-12-04: Fix hiányzik tengely arg amax hívás tutorial. Köszönet Samuel John!
• 2008-12-04: Fix az üres adatok bejáró kezelését ParallelFlow. Is hozzátette üres bejáró ellenőrzi a normál Flow (egy kivételt, ha a bejáró üres).
• 2008-11-19: Módosított PCA és SFA csomópontok, hogy ellenőrizze a negaive sajátértékek a cov mátrixok
• 2008-11-19: symeig integrált scipy, MDP használhatja onnan most.
• 2008-11-18: Hozzáadott ParallelFDANode.
• 2008-11-18: Frissítve a vonat lehívható a ParallelFlow támogatására további érveket.
• 2008-11-05: újraírása az a párhuzamos kódot, most már támogatja hinet struktúrákat.
• 2008-11-03: újraírása az hinet HTML repesentation alkotója. Sajnos ez is szakít a nyilvános felületen, de a változások nagyon egyszerű.
• 2008-10-29: Állítsa le a figyelmeztetések érkező távoli folyamatok ProcessScheduler
• 2008-10-27: Fix probléma felülírva kwargs az init módszer ParallelFlow.
• 2008-10-24: Fix pretrained csomópontok bug hinet.FlowNode.
• 2008-10-20: Fix kritikus import bug párhuzamosan csomagot, amikor pp (párhuzamos python library) telepítve van.

követelmények :

• Python
• NumPy
• SciPy