Vorrei essere indipendente dal software commerciale per il mio lavoro scientifico. Trovo insoddisfacenti i pacchetti commerciali come Matlab e le sue cassette degli attrezzi, perché non so se avrò accesso a Matlab in futuro e perché non mi piace la lingua. Pertanto, sto cercando alternative.
Fortunatamente, sono abbastanza fluente in Python (e adoro la lingua), e con NumPy, SciPy, Matplotlib, Basemap e NetCDF routine di lettura e scrittura, soddisfa la maggior parte delle mie esigenze. La maggior parte - torno ancora a Matlab quando ho bisogno di addestrare i recuperi satellitari usando percetroni multistrato feed-forward, ad esempio usando reti neurali artificiali.
Come non è insolito con il software open source, esiste più di un pacchetto che esegue reti neurali. Molto più di uno:
Qualche tempo fa ho provato PyBrain , "il coltellino svizzero per le reti neurali", ma non sono riuscito a ottenere risultati soddisfacenti in breve tempo (sia in fase di sviluppo che in fase di esecuzione). Forse non ho provato abbastanza, o forse non è davvero orientato verso il mio preciso bisogno.
Proprio ora ho scoperto che esiste un pacchetto chiamato neurolab , che sembra promettente: una libreria di rete neurale semplice e potente per Python , con un'API come Neural Network Toolbox (NNT) di MATLAB .
Esiste FFnet , una soluzione di training della rete neurale feed-forward veloce e facile da usare per Python
C'è più semplice
C'è Peach , una biblioteca per l'intelligenza computazionale e l'apprendimento automatico
Esistono collegamenti Python a FANN , la libreria Fast Artificial Neural Network , descritta come standard di fatto in questo post StackOverflow .
Ce ne sono probabilmente altri.
Qualcuno ha attraversato lo sforzo di intercomparare le diverse opzioni, in base a criteri come facilità d'uso, velocità, ecc.? Il mio caso d'uso è il recupero di satelliti, ad esempio adattando una funzione fortemente non lineare di molte variabili. Sono un utente di reti neurali; Non mi interessa ricercare i loro meccanismi interni.
Questa domanda su Stats.SE è correlata, ma con un focus diverso.