2011-02-09 16 views
10

¿Alguien puede sugerir un buen tutorial o libro para redes neuronales en Lisp, o un blog, o compartir algunos ejemplos de código?Redes neuronales en Lisp - Consejo

Tengo experiencia con neural netowrks en los lenguajes imperativos C++, Java, C#, pero quiero probarlo en Lisp.

+1

http://masonium.com/blog/2011/02/08/cl-fann-released/ acaba de salir. No tengo experiencia con eso, pero podría ser útil. –

Respuesta

3

Yann LeCun, mi asesor en NYU, escribió un dialecto orientado a objetos de lisp llamado Lush mientras trabajaba en Bell Labs. Se siente como un MATLAB liso, y está orientado a la creación rápida de prototipos de experimentos numéricos y la investigación de aprendizaje automático. Se instala fácilmente si está usando Linux o Mac OS. A fines de la década de los 90, una buena parte de los cheques en los EE. UU. Fueron leídos por la red LeNet-5 que escribió en Lush.

Lo usamos para la mayoría de nuestra investigación, ya que tiene tanto soporte para redes neuronales convolucionales, álgebra lineal, y tiene un fácil FFI C/C++ para todo lo demás. También viene con un código de demostración para implementar redes neuronales y redes convolucionales para la clasificación de imágenes y caracteres, que es probablemente el lugar donde te gustaría comenzar.

Está en los repositorios de Ubuntu, pero es probable que desee la última versión desde aquí:

http://lush.sourceforge.net/

+0

Lush ya no está en uso en NYU, ya que todos sus usuarios han cambiado a Torch, una biblioteca de Lua. Así que Lush puede que ya no tenga un buen soporte. – SuperElectric

3

Si bien la cuestión es viejo y mi respuesta es tarde, sigo pensando que es valioso.

Recientemente estuve buscando algunos recursos en Machine Learning en Common Lisp (de ahí la razón por la que encontré esta pregunta). Después de investigar un poco más, encontré this codebase. Contiene muchas cosas interesantes, tales como máquinas Boltzmann, feed-forward y redes neuronales backprop recurrentes. El autor también tiene otras bibliotecas, como evolutionary algorithms. Este código es una buena forma de comenzar.

Cuestiones relacionadas