SHOGUN

Software kuvakaappaus:
SHOGUN
Ohjelmiston tiedot:
Versio: 3.2.0
Lähetyksen päivämäärä: 17 Feb 15
Lupa: Vapaa
Suosio: 27

Rating: 1.0/5 (Total Votes: 1)

SHOGUN on avoimen lähdekoodin projekti suunniteltu offset tarjota koneoppimista työkalupakki suunnattu laajamittainen ydin menetelmiä, ja suunniteltu erityisesti Tukivektorikoneet (SVM). Ohjelmisto voidaan helposti käyttää sisällä eri ohjelmointikieliä, kuten C, C ++, Python, Octave, Matlab, Java, C #, Ruby, Lua, UNIX Shell, ja R.
Sovellus tarjoaa standardin SVM (Tukivektorikoneet) esine, jotka voivat käyttää eri SVM toteutuksia. Se sisältää myös monia lineaarisia menetelmiä, kuten Lineaarinen ohjelmointi paikan (LPM), Lineaarinen Diskriminanttianalyysi (LDA), (Kernel) Perceptrons, sekä joitakin algoritmeja, joita voidaan käyttää kouluttaa piilotettu Markovin models.Features on glanceKey ominaisuuksia ovat yksi luokitteluosa, osuuslajeja luokittelu, regressio, jäsennelty tuotos oppiminen, esikäsittelyä, sisäänrakennettu malli valinta strategioita, testi puitteet, laajamittainen oppimisen tuki, asioita yhtä oppimista, domain sopeutumista, serialization, parallelized koodi, suorituskyvyn mittaaminen, kernel harjun regressio, vektori regressio tukea ja Gaussin prosessit.
Lisäksi se tukee useita ytimen oppiminen, mukaan lukien q-normi MKL ja osuuslajeja MKL, tukee Naiivi Bayes, logistinen regressio, LASSO, k-NN ja Gaussin prosessi luokitus luokittelijoista tukee lineaarinen ohjelmointi kone, LDA, Markov-ketjut, HMM, PCA, kernel PCA, Isomap, moniulotteinen skaalaus, paikallisesti lineaarinen upottamisen, diffuusio kartta, paikallinen Tangenttiavaruus yhdenmukaistaminen sekä Laplacen eigenmaps.
Lisäksi se sisältää Barnes-Hut T-erityisopetuksessa tukevien, kernel normalisoija, sigmoid ydin, string ytimistä polynomi, lineaariset ja Gaussin ytimet, hierarkkinen klusterointi, K-means, BFGS optimointi, kaltevuus syntyperän, siteet CPLEX, siteet Mosek, etiketti sekvenssi oppiminen, tekijä kuvaajan oppiminen, SO-SGD, piilevä SO-SVM ja harva tietojen representation.Under huppu ja availabilitySHOGUN on ylpeänä kirjoitettu Pythonilla ja C ++ ohjelmointikieltä, mikä tarkoittaa, että se & rsquo; s yhteensopiva minkä tahansa GNU / Linux-käyttöjärjestelmän jossa Python ja GCC olemassa. Se on ladattavissa universaali lähdekoodit, joten voit asentaa sen kaikissa Linux kernel-pohjainen käyttöjärjestelmä.

Mitä uutta tässä julkaisussa:

  • Ominaisuudet:
  • Täysin tue python3 nyt
  • Lisää mini-erän k-means [Parijat Mazumdar]
  • Lisää K-means ++ [Parijat Mazumdar]
  • Lisää alasekvenssi string kernel [lambday]
  • Bugikorjauksia:
  • Koota korjauksia tulevista swig3.0
  • Speedup Gaussin prosessi "sovelletaan ()
  • Paranna yksikkö / integraatio testi tarkistaa
  • libbmrm alustamattoman muistin lukee
  • libocas alustamattoman muistin lukee
  • Octave 3,8 koota korjauksia [Orion Poplawski]
  • Korjaa java modulaarinen koota virhe [Bjoern Esser]

Mitä uutta versiossa 3.1.1:

  • Korjaa koota virhe ilmennyt CXX0X
  • kolahtaa tietojen versio vaaditaan versio

Mitä uutta versiossa 3.1.0:

  • Tämä versio sisältää enimmäkseen bugikorjauksia, mutta myös ominaisuus parannuksia .
  • Tärkein, pari muistivuotokuvioista liittyvien soveltaa () on vahvistettu.
  • kirjoittaminen ja lukeminen Shogun ominaisuuksia kuin protobuf esineitä on nyt mahdollista.
  • Custom Kernel Matriisit voidaan nyt 2 ^ 31-1 * 2 ^ 31-1 kooltaan.
  • osuuslajeja ipython kannettavat lisättiin, ja parannetaan muita.
  • Leave-one-out ristivahvistus on nyt kätevästi tuettu.

Mitä uutta versiossa 2.0.0:

  • Se sisältää kaiken, joka on tehty ennen ja aikana Google Summer of Code 2012.
  • Opiskelijat ovat toteuttaneet erilaisia ​​uusia ominaisuuksia, kuten strukturoidut ulostulo oppimista, Gaussin prosessit, piilomuuttujaa SVM (ja jäsennelty tuotos oppiminen), tilastolliset testit kernel toistolaitteet tiloissa, eri Asioita oppimisen algoritmeja, ja eri käytettävyyden parannuksia, muutamia mainitakseni.

Mitä uutta versiossa 1.1.0:

  • Tämä versio otettiin käyttöön käsite "muuntimet", jonka avulla voit rakentaa embeddings mielivaltaisia ​​ominaisuuksia.
  • Se sisältää myös muutamia uuden ulottuvuuden vähentäminen tekniikoita ja suorituskykyä merkittävästi parannuksia dimensionality vähentäminen työkalupakki.
  • Muita parannuksia merkittävä kokoelma nopeuttaa, eri bugikorjauksia modulaarinen rajapintoja ja algoritmeja, ja parantunut Cygwin, Mac OS X, ja kalahtaa ++ yhteensopivuus.
  • Github Issues käytetään nyt seuranta vikoja ja kysymyksiä.

Mitä uutta versiossa 1.0.0:

  • Tämä versio sisältää käyttöliittymät uusia kieliä kuten Java, C #, Ruby, ja Lua, malli valinta puitteet, monet ulottuvuus vähentäminen tekniikoita, Gaussin seos Malli arviointi, ja täysimittainen verkossa oppimisen puitteissa.

Mitä uutta versiossa 0.10.0:

  • Ominaisuudet:
  • sarjanumerotietoalue esineitä johtuvien CSGObject, eli kaikki Shogun esineet (SVM, Kernel, Ominaisuudet, esiprosessorit, ...) ASCII, JSON, XML ja HDF5
  • Luo SVMLightOneClass
  • Lisää CustomDistance analogisesti muokatun ytimen
  • Lisää HistogramIntersectionKernel (kiitos Koen van de Sande varten patch)
  • Matlab 2010a tuki
  • SpectrumMismatchRBFKernel moduuliaukotettu (kiitos Rob Patro varten patch)
  • Lisää ZeroMeanCenterKernelNormalizer (kiitos Gorden Jemwa varten patch)
  • Huikka 2,0 tuki
  • Bugikorjauksia:
  • Custom ytimet voivat nyt olla & gt; 4G (kiitos Koen van de Sande varten patch)
  • Set C locale käynnistyksen init_shogun estää incompatiblies ASCII kellukkeet ja fprintf
  • Koota fix kun viittaus laskenta on käytössä
  • Fix set_position_weights WD ytimen (raportoitu Dave duVerle)
  • Fix set_wd_weights WD ytimen.
  • Fix crasher SVMOcas (ilmoittamat Jaroslav)
  • uudelleenjärjestäminen ja API muutokset:
  • Nimeksi SVM_light / SVR_light kohteeseen SVMLight jne.
  • Poista C etuliite edessä kuin sarjoittaa luokan nimiä
  • Drop CSimpleKernel ja esitellä CDotKernel tukikohtanaan luokan. Näin kaikki piste-tuote perustuu ytimet voidaan soveltaa päälle DotFeatures ja vain yksi toteutus tällaisia ​​ytimiä tarvitaan.

Mitä uutta versiossa 0.9.3:

  • Ominaisuudet:
  • Kokeellinen lp-normin MCMKL
  • Uusi ytimet: SpectrumRBFKernelRBF, SpectrumMismatchRBFKernel, WeightedDegreeRBFKernel
  • WDK ydin tukee aminohappoja
  • String Ominaisuudet tukevat nyt liittää toimintoja (ja luominen
  • python-dbg tuki
  • Salli leijailee syötteenä muokatun ytimen (ja matriisit & gt; 4GB kooltaan)
  • Bugikorjauksia:
  • Staattinen linkitys fix.
  • Korjaa harva lineaarisen ytimen add_to_normal
  • uudelleenjärjestäminen ja API muutokset:
  • Poista init () funktio Suorituskyvyn mittaaminen
  • Säädä Joten pääte python ja käyttää python distutils selvittää asentaa polkuja

Mitä uutta versiossa 0.9.2:

  • Ominaisuudet:
  • Suora lukeminen ja kirjoittaminen ASCII / Binary tiedostot / HDF5 pohjaisia ​​tiedostoja.
  • Toteutetut monen tehtävän ydin normalisoija.
  • Toteuta SNP ytimen.
  • Toteuta määräaika libsvm / libsvr.
  • Integroi joustava verkko MKL (kiitos Ryoata Tomioka varten patch).
  • Toteuta Hash-koodatut WD ominaisuudet.
  • Toteuta Hash-koodatut Harva Poly ominaisuudet.
  • Integroi liblinear 1,51
  • LibSVM voidaan nyt koulutettu bias käytöstä.
  • Lisää toimintoja asettaa / saada globaali ja paikallinen IO / rinnan / ... esineitä.
  • Bugikorjauksia:
  • Fix set_w () lineaariseen luokittimia.
  • Staattinen Octave, Python, komentorivitäydennys ja Modular Python rajapinnat Koota siististi Windows / Cygwin uudelleen.
  • staattinen rajapinnat testaus voisi epäonnistua, kun ei suoraan tehdä koulutuksen jälkeen.

Kuvakaappauksia

shogun_1_69000.jpg

Vastaavia ohjelmistoja

Joone
Joone

3 Jun 15

Cypher
Cypher

2 Jun 15

NHI1
NHI1

17 Feb 15

Kommentit SHOGUN

Kommentteja ei löytynyt
Lisää kommentti
Ota kuvia!