Synapse es un entorno de desarrollo basado en componentes para redes neuronales y sistemas adaptativos . Creado por Peltarion , Synapse permite la minería de datos , análisis estadístico , visualización , preprocesamiento , diseño y entrenamiento de redes neuronales y sistemas adaptativos y el despliegue de los mismos. Utiliza una arquitectura basada en plug-ins que la convierte en una plataforma general para el procesamiento de señales . La primera versión del producto se lanzó en mayo de 2006.
Desarrollador (es) | Peltarion |
---|---|
Sistema operativo | Microsoft Windows |
Tipo | Software de red neuronal |
Licencia | EULA |
Sitio web | Página de inicio de Synapse |
Plataforma
Debido a su diseño basado en plug-in, el uso de Synapse puede ser muy general. Synapse se basa en el marco de Microsoft .NET y todos los componentes de Synapse también son componentes de .NET. Aunque Peltarion aún no ha lanzado una API oficial para la plataforma Synapse, están surgiendo componentes creados por el usuario, algunos de ellos originales, lo que demuestra la apertura de la plataforma. [1]
Características
El ciclo de desarrollo en Synapse se basa en el ciclo canónico de minería de datos . Sin embargo, una diferencia notable es que en Synapse ese ciclo no es lineal , sino que admite un enfoque iterativo en el que el usuario puede moverse libremente entre los pasos. Synapse presenta cuatro modos operativos diferentes que componen el ciclo de desarrollo.
Preprocesamiento
El modo de preprocesamiento es para minería de datos y preparación de datos. En este modo, el usuario puede importar, visualizar, explorar y transformar datos de diversas formas. Los datos se importan mediante el uso de componentes de formato . La versión estándar incluye componentes de formato para leer y escribir datos de archivos CSV (texto), bases de datos SQL , imágenes y XML . Los datos importados se pueden visualizar a través de los componentes del visualizador y se pueden aplicar filtros a los datos. Los componentes del filtro van desde una simple reorganización de datos hasta filtros de eliminación de valores atípicos y FFT más avanzados .
Los visualizadores incluyen una variedad de gráficos y cuadrículas, que se pueden interconectar y ramificar para realizar tareas complejas de minería de datos.
Diseño
En el modo de diseño, los componentes están vinculados para construir una topología . Los componentes enlazados permiten un flujo de señal creando una máquina de filtrado de tuberías. Cuando una señal se establece en un componente, filtra la señal de alguna manera y la señal filtrada se puede canalizar al siguiente componente en la cadena enlazada de componentes que forman la topología. Los componentes pueden ser estáticos o adaptables. Además de los filtros regulares, pueden ser fuentes o sumideros (como gráficos o registradores de datos). La distribución estándar de sinapsis viene con una variedad de componentes, que van desde componentes de redes neuronales simples como capas de peso y capas de funciones, hasta redes neuronales completas como mapas autoorganizados y elementos estáticos más complejos como, por ejemplo, el componente de lógica difusa . El sistema de control también se elige y configura en modo de diseño.
Capacitación
El modo de entrenamiento se utiliza para entrenar (adaptar) el sistema, o más generalmente para iniciar el sistema de control que regula el flujo de información. Es visualmente similar al modo de diseño y se muestran los mismos componentes. Dado que los componentes admiten pantallas sensibles al contexto, pueden tener una apariencia visual diferente durante el entrenamiento. Además de ejecutar el sistema de control, el modo de entrenamiento permite la ejecución de optimizadores de alto nivel como algoritmos genéticos , optimización de enjambres de partículas y recocido simulado . La ejecución y el entrenamiento remotos también son posibles en este modo.
Postprocesamiento
El modo de posprocesamiento es para analizar un sistema entrenado y la preparación de dicho sistema para uso final. El rendimiento del sistema se puede probar mediante análisis estadístico, se puede analizar la sensibilidad de las relaciones entrada-salida de un sistema ( análisis de sensibilidad ) y se pueden generar informes.
Uno de los componentes de posprocesamiento más importantes es el componente de implementación.
Despliegue
El componente de implementación permite la exportación de un sistema creado en Synapse a un solo componente .NET . El sistema en el entorno de desarrollo se reduce a escala para que solo contenga los requisitos mínimos necesarios para la ejecución y luego se compila en un ensamblado . Este conjunto puede entonces ser utilizado en cualquier .NET marco o .NET Compact Framework aplicación. Este último permite la implementación en dispositivos integrados .
Código de ejemplo en C # :
DeployedNeuralNet net = nuevo DeployedNeuralNet (); // Crear nn objeto Matrix input = someSensor . GetData (); // Obtener datos de alguna red de sensores . Input_Sensor = entrada ; // Establecer entradas en la red nn . Ejecutar (); // Ejecuta el sistema de control nn someMotor . Poder = neto . Output_Port0 ; // Establece la potencia de algún motor a la salida del nn
Ver también
- Red neuronal artificial
- Software de red neuronal
- Peltarion
enlaces externos
- Peltarion