en ru

PyBrain - работаем с нейронными сетями на Python

PyBrain — одна из лучших Python библиотек для изучения и реализации большого количества разнообразных алгоритмов связанных с нейронными сетями. Являет собой удачный пример совмещения компактного синтаксиса Python с хорошей реализацией большого набора различных алгоритмов из области машинного интеллекта.

Основными возможностями библиотеки (для версии 0.3 ) являются:

Алгоритмы обучения с учителем (Supervised Learning ).
- Метод обратного распространения ошибки (Back-Propagation)
- R-Prop (Resilient propagation)
- Support-Vector-Machines (интерфейс к сторонней библиотеке LIBSVM)
- Evolino

Обучение без учителя (Black-Box Optimization / Evolutionary Methods )
- K-Means Clustering
- Метод главных компонент / Probabilistic Principal Component Analysis (PCA/pPCA)
- LSH для пространств Хамминга и Эвклида
- Deep Belief Networks

Обучение с подкреплением (Reinforcement Learning)
- Стоимостные (Value-based)
Q-Learning (с/без вычислением приемлемых путей)
SARSA
Neural Fitted Q-iteration

- Градиенты Политик (Policy Gradients)
REINFORCE
Natural Actor-Critic

- Стратегии исследования
Epsilon-Greedy Exploration (дискретный)
Boltzmann Exploration (дискретный)
Gaussian Exploration (непрерывный)
State-Dependent Exploration (непрерывный)

Оптимизация методом чёрного ящика (Black-box Optimization)
- Hill-climbing
- Метод роя частиц (Particle Swarm Optimization (PSO)
- Эволюционная стратегия (Evolution Strategies(ES)
- Covariance Matrix Adaptation ES (CMA-ES)
- Natural Evolution Strategies (NES)
- Fitness Expectation-Maximization (FEM)
- Finite Difference Gradient Descent
- Policy Gradients with Parameter Exploration (PGPE)
- Simultaneous Perturbation Stochastic Approximation (SPSA)
- Генетический алгоритм / Genetic Algorithms (GA)
- Competitive Co-Evolution
- Memetic Search (Inner/Inverse)
- Многокритериальная оптимизация / Multi-Objective Optimization NSGA-II

Подробнее: habrahabr.ru/post/148407

Обсуждение: project-ai.org/forum/viewtopic.php?t=827