MDP

MDP는 (데이터 처리를위한 모듈 형 툴킷) 더 복잡한 데이터 처리 소프트웨어를 구축하는 파이프 라인에 따라 유사하게 결합 될 수있는 광범위하게 사용되는 데이터 처리 알고리즘의 라이브러리이다.
사용자의 관점에서, MDP는 데이터 처리 시퀀스 (흐름) 및 더 복잡한 피드 - 포워드 네트워크 구조로 결합 될 수있는 장치 (노드)를 처리하는 감시 및 자율 학습 알고리즘, 및 다른 데이터의 집합체로 구성된다. 입력 데이터 세트를 가지는, MDP 연속적 훈련 또는 네트워크 내의 모든 노드를 실행을 처리한다. 이것은 사용자가 자연스럽게 단순한 데이터 처리 단계들의 일련의 복잡한 알고리즘을 지정할 수있다.
가능한 알고리즘의 기본은 꾸준히 증가하고 포함, 이름하지만 가장 일반적인, 주성분 분석 (PCA와 NIPALS), 여러 독립 성분 분석 알고리즘 (CuBICA, 독립 인, TDSEP, 옥, 및 XSFA), 슬로우 기능 분석, 가우스된다 등급 분류, 제한 볼츠만 기계, 로컬 선형 임베딩.
특별한주의는 속도와 메모리의 관점에서 계산을 효율적으로하기 위해 촬영되었습니다. 메모리 요구 사항을 줄이기 위해서는, 데이터의 배치를 이용하여 학습을 수행하고, 노드의 내부 파라미터가 매우 큰 데이터의 사용을 가능하게 설정하는 단 정밀도 인 것으로 정의 할 수있다. 또한, '병렬'서브 패키지는 기본 노드와 흐름의 병렬 구현을 제공합니다.
개발자의 관점에서, 민주당은 새로운 감독과 자율 학습 알고리즘의 구현이 쉽고 간단하게하는 프레임 워크입니다. 기본 클래스 '노드', 학습 및 실행 단계의 구현에 집중할 수없는 개발자를 떠나, 숫자 유형과 차원 검사와 같은 지루한 작업을 담당한다. 이 때문에 공통 인터페이스에, 노드는 자동 라이브러리의 나머지 통합 및 다른 노드들과 함께 네트워크에 사용될 수있다. 노드는 여러 교육 단계와 단계의도 결정되지 않은 번호를 가질 수 있습니다. 이 수렴 기준이 만족 될 때까지 트레이닝 단계 반복하는 것을 필요로 실제 훈련을 진행하기 전에 전체 입력에 대한 통계를 수집 할 필요가 알고리즘 등의 구현을 허용한다. 청크는 반복자 생성하는 경우, 입력 데이터의 청크를 사용하여 각각의 위상을 훈련시키는 능력이 유지된다. 또한, 응급 복구는 선택적으로 볼 수 있습니다 : 실패 할 경우, 흐름의 현재 상태는 나중에 검사를 위해 저장됩니다.
MDP는 신경 과학 연구의 이론 콘텍스트에 기록되어 있지만,이 학습 가능한 데이터 처리 알고리즘이 사용되는 임의의 상황에서 유용 할 수 있도록 설계되었다. 구현 된 노드의 재사용과 함께 사용자 측의 단순 또한 올바른 교육 도구 만들기

이 릴리스의 새로운 기능입니다.

파이썬 3를 지원합니다.
새로운 확장 : 캐싱 및 그라데이션.
개선 및 확장 된 튜토리얼.
몇 가지 개선 및 버그 수정.
이 릴리스는 BSD 라이선스 받고있다.

버전 2.5의 새로운 기능 :

2009-06-30 : 단위 테스트의 출력 수치 백엔드, 병렬 파이썬 지원, symeig 백엔드 수치 백엔드의 추가 온라인 검출. 디버깅에 도움이 될 것입니다.
2009-11-27 : 컷오프 및 히스토그램 노드의 통합.
2009-11-27 병렬 흐름 (예외 처리)에 조정 버그.
2009-06-09 : output_dim는 부동입니다 ​​LLENode에 조정 버그. 콘라드 Hinsen 감사합니다.
2009-06-05 : 여러 스케줄러 병렬 흐름에서 수정 된 버그.
2009-06-05 : 알베르토 에스 칼란에 레이어 역 버그, 덕분에 해결되었습니다.
2009-04-29은 : LinearRegressionNode을 추가했습니다.
2009-03-31 : PCANode는 공분산 행렬은 == 진정한 SVD IFF 음의 고유 값을 가질 때 더 이상 불평 또는 == True로 감소하지 않습니다. output_dim가 원하는 분산이 지정된 경우, 음의 고유 값은 무시됩니다. 부정적인 고유의 경우에는 SFANode에 대한 오류 메시지가 개선, 우리는 지금 PCANode (SVD = True) 또는 PCANode (= TRUE을 감소)와 노드를 앞에 추가하는 것이 좋습니다.
2009-03-26 : 마이그레이션 된 스레드 패키지에서 새 스레딩 하나. 추가 플래그는 프로세스 스케줄러에서 캐싱을 사용하지 않도록합니다. 사용자 정의 스케줄러에 대한 몇 가지 주요 변경 내용은 (병렬 흐름 훈련 또는 실행이 영향을받지 않습니다)가 있습니다.
2009-03-25 : 추가 SVN 개정 지원을 추적.
2009-03-25 : 스케줄러에 대한 copy_callable 플래그를 제거,이 지금 완전히 TaskCallable을 분기로 대체됩니다. 이 편리한 ParallelFlow 인터페이스에 대한 영향을주지 않습니다,하지만 사용자 정의 스케줄러는 깨진 얻을.
2009-09-08 : ProcessScheduler 캐싱을 구현했습니다.
2009-02-22 : make_parallel은 이제 완전히 자리에서 메모리를 절약하기 위해 노력하고 있습니다.
2009-02-12 : FlowNode에 컨테이너 방법을 추가했습니다.
2009-03-03 : 테스트와 추가 CrossCovarianceMatrix.
2009-02-03 : 추가 IdentityNode.
2009-08-30은 : 직접 흐름 HTML 표현을 표시의 HiNet의 도우미 기능을 추가했습니다.
2009-01-22 : 레이어에 output_dim 허용 느리게 설정해야합니다.
2008-12-23 : nipals 노드에 total_variance 추가되었습니다.
2008-12-23 : 항상 PCANode에서 훈련 후 explained_variance과 total_variance을 설정합니다.
2008-12-12 : 수정 symrand 정말 대칭 행렬 돌아갑니다 (및 명확한 만 긍정적되지 않음). 적응 GaussianClassifierNode는 설명하기 위해. 적응 symrand 또한 복잡한 에르 미트 행렬을 반환합니다.
2008-12-11은 (output_dim는 알 수 없음으로 처리 된 총 분산을 input_dim로 설정되었을 때) PCANode에 한 가지 문제가 수정되었습니다. ParallelPCANode에 고정 var_part 매개 변수입니다.
2008-12-11 : (absoute 분산에 분산 기준에 따라 필터) PCANode에 추가 var_part 기능.
2008-12-04은 : 축이 튜토리얼에서 AMAX 호출에 arg를 누락 수정되었습니다. 사무엘 존에 감사합니다!
2008-12-04은 : ParallelFlow에서 처리 빈 데이터 반복자를 수정했습니다. 또한 정상적인 흐름에서 빈 반복자 검사 (반복자가 비어있는 경우 예외를 발생)을 추가했다.
2008-11-19 : 수정 PCA와 SFA 노드가 COV 행렬에 negaive 고유 값을 확인하기
2008-11-19 : scipy에 통합 symeig은, 민주당이 지금부터 사용할 수 있습니다.
2008-11-18 : 추가 ParallelFDANode.
2008-11-18 : ParallelFlow 추가 인수를 지원하기 위해 호출 기차를 업데이트했습니다.
2008-11-05 : 메이크업 병렬 코드의 재 작성, 지금의 HiNet 구조를 지원합니다.
2008-11-03 :의 HiNet의 HTML repesentation 작성자의 재 작성. 불행하게도 이것은 또한 공용 인터페이스를 파괴하지만, 변화는 매우 간단합니다.
2008-10-29 : ProcessScheduler에서 원격 프로세스에서 오는 차단 경고
2008-10-27 : ParallelFlow의 초기화 방법에 kwargs로 덮어 쓰기에 조정 문제.
2009-08-30 : hinet.FlowNode에 고정 pretrained 노드 버그.
2008-10-20 : PP (병렬 파이썬 라이브러리)가 설치된 병렬 패키지에서 해결 된 주요 수입 버그.

요구 사항 :

파이썬
NumPy와
SciPy