Künstliches neuronales Netz - Projekt
-
Ich bin schon eine Weile dran eine Bibliothek für die Erstellung möglichst flexibler und abstrakter neuronaler Netze zu erstellen.
Bisher habe ich eine Implementation eines BP-Netzes erstellt, das im Wesentlichen wie eine verkettete Liste funktioniert und auch asymmetrische Symmetrien zulassen sollte.
Das ganze wurde noch etwas durch openMP optimiert und skaliert auch ziemlich gut.
Außerdem habe ich einen provisorischen Konverter gebaut, der das ganze in Arrays packt um das Netz mit CUDA zu berechnen.
Die CUDA-Implementation ist auch provisorisch, aber sieht besser aus, als das meiste, was man so im Internet findet.
Ich suche nach ein oder zwei Leuten die evtl. selber an KNN interessiert sind und die sich ein wenig mit OpenCL und/oder CUDA auskennen.
Ziel soll eine möglichst flexible Grundlage sein, mit der sich auch andere Netztypen erstellen lassen.
Außerdem ist es ein Ziel diese Topologien zusätzlich und möglichst effizient auf das GPGPU-Konzept zu übertragen.
-
Hört sich interessant an!
Hast du beim Backpropagation Netz das Standard Lernverfahren implementiert oder lassen sich bei dir andere Heuristiken verwenden, wie z.B Quickprop oder Momentum!
Ist bei deiner Lib auch geplant gänzlich andere KNN wie Kohonen-Netze oder Hopfieldnetze zu implementieren. Wenn ja könnte ich mich für so ein Projekt interessieren!
-
Oder rekurrente Netze
- Oder andere Neuronenarten... jenseits von Perceptron und co. , z.B. Spikende Neuronen...
- Dazu noch verschiedene Synapsentypen ( z.B. mit Neurotransmittern, etc. ).
Ist insgesamt ein weites Feld und gerade die biologisch plausiblen Neuronenmodelle sind mehr und mehr im Kommmen. Zwar nicht in der normalen Mustererkennung, aber dafür in anderen Gebieten, die z.B. rekurrente Netze erfordern, die ja bekanntermaßen nicht so einfach zu trainieren sind.
