Bienvenido a PyBrain

, Author

PyBrain es una librería modular de Aprendizaje Automático para Python. Su objetivo es ofrecer algoritmos flexibles, fáciles de usar y a la vez potentes para tareas de Aprendizaje Automático y una variedad de entornos predefinidos para probar y comparar tus algoritmos.

PyBrain es la abreviatura de Python-Based Reinforcement Learning, Artificial Intelligence and Neural Network Library. De hecho, primero se nos ocurrió el nombre y después hicimos ingeniería inversa de este «Backronym» bastante descriptivo.

¿En qué se diferencia PyBrain?

Mientras que hay unas cuantas librerías de aprendizaje automático por ahí, PyBrain pretende ser una librería modular muy fácil de usar que pueda ser utilizada por estudiantes de nivel básico pero que siga ofreciendo la flexibilidad y los algoritmos para la investigación de vanguardia. Estamos trabajando constantemente en más y más rápidos algoritmos, desarrollando nuevos entornos y mejorando la usabilidad.

Qué puede hacer PyBrain

PyBrain, como su nombre escrito ya sugiere, contiene algoritmos para redes neuronales, para el aprendizaje por refuerzo (y la combinación de ambos), para el aprendizaje no supervisado, y la evolución. Dado que la mayoría de los problemas actuales tratan con espacios de estado y acción continuos, deben utilizarse aproximadores de funciones (como las redes neuronales) para hacer frente a la gran dimensionalidad. Nuestra biblioteca está construida en torno a redes neuronales en el núcleo y todos los métodos de entrenamiento aceptan una red neuronal como instancia a entrenar. Esto hace de PyBrain una poderosa herramienta para tareas de la vida real.

Usando PyBrain

PyBrain es de código abierto y de uso gratuito para todo el mundo (está licenciado bajo la licencia de software BSD). Sólo tienes que descargarlo y empezar a utilizar los algoritmos y módulos en tu propio proyecto o echar un vistazo a los tutoriales y ejemplos proporcionados.Si utilizas PyBrain para tu investigación, te pedimos que nos cites en tus publicaciones. Utiliza la referencia de abajo o importa esta referencia bibtex.

Tom Schaul, Justin Bayer, Daan Wierstra, Sun Yi, Martin Felder, Frank Sehnke, Thomas Rückstieß, Jürgen Schmidhuber.PyBrain. De próxima aparición en: Journal of Machine Learning Research, 2010.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.