PyBrain är ett modulärt bibliotek för maskininlärning för Python. Dess mål är att erbjuda flexibla, lättanvända men ändå kraftfulla algoritmer för maskininlärningsuppgifter och en mängd fördefinierade miljöer för att testa och jämföra dina algoritmer.

PyBrain är en förkortning för Python-Based Reinforcement Learning, Artificial Intelligence and Neural Network Library. Faktum är att vi hittade på namnet först och senare omvända detta ganska beskrivande ”Backronym”.

Hur skiljer sig PyBrain åt?

Det finns ett fåtal bibliotek för maskininlärning, men PyBrain syftar till att vara ett mycket lättanvänt modulärt bibliotek som kan användas av nybörjarstudenter, men som ändå erbjuder den flexibilitet och de algoritmer som krävs för toppmodern forskning. Vi arbetar ständigt med fler och snabbare algoritmer, utvecklar nya miljöer och förbättrar användbarheten.

Vad PyBrain kan göra

PyBrain innehåller, som det skrivna namnet redan antyder, algoritmer för neurala nätverk, för förstärkningsinlärning (och kombinationen av de två), för oövervakad inlärning och evolution. Eftersom de flesta av de aktuella problemen handlar om kontinuerliga tillstånds- och handlingsutrymmen måste funktionsapproximatorer (som neurala nätverk) användas för att hantera den stora dimensionaliteten. Vårt bibliotek är uppbyggt kring neurala nätverk i kärnan och alla utbildningsmetoder accepterar ett neuralt nätverk som den instans som skall tränas. Detta gör PyBrain till ett kraftfullt verktyg för verkliga uppgifter.

Användning av PyBrain

PyBrain är öppen källkod och gratis att använda för alla (det är licensierat under BSD Software Licence). Det är bara att ladda ner det och börja använda algoritmerna och modulerna i ditt eget projekt eller ta en titt på de medföljande handledningarna och exemplen.Om du använder PyBrain i din forskning ber vi dig vänligen att citera oss i dina publikationer. Använd referensen nedan eller importera denna bibtex-referens.