Ai có thể đề xuất một hướng dẫn hay cuốn sách hay cho các mạng thần kinh trong Lisp, hoặc blog, hoặc chia sẻ một số mẫu mã?Mạng nơ-ron ở Lisp - lời khuyên
Tôi có kinh nghiệm với netowrks thần kinh trong các ngôn ngữ mệnh lệnh C++, Java, C#, nhưng tôi muốn thử nó trong Lisp.
Cuốn sách tinh AI: a modern approach bao gồm mã nguồn LISP trên trang web: link Cụ thể, hãy xem chương Tìm hiểu (perceptron v.v.)
Trong cùng một mạch bạn có Paradigms of AI in Lisp, nhưng nó không thực sự chạm vào mạng thần kinh nếu tôi nhớ chính xác.
Tìm kiếm trên google tôi tìm thấy những
cuốn sách: "Common LISP Modules Artificial Intelligence" (tại amazon)
Same at Google Books
library for Fast Artificial Neural Network
Và blog này có một số bài viết về ANN
Yann LeCun, cố vấn của tôi tại NYU, đã viết một phương ngữ hướng đối tượng của lisp được gọi là Lush trong khi ông làm việc tại Bell Labs. Nó cảm thấy giống như một MATLAB đáng sợ, và được hướng tới việc tạo mẫu nhanh các thí nghiệm số và nghiên cứu học máy. Nó dễ dàng cài đặt nếu bạn đang sử dụng Linux hoặc Mac OS. Vào cuối những năm 90, một phần nhỏ của tất cả các séc ở Mỹ đã được đọc bởi mạng LeNet-5 mà ông viết trong Lush.
Chúng tôi sử dụng nó cho hầu hết các nghiên cứu của chúng tôi, vì nó có rất nhiều hỗ trợ cho mạng nơ-ron xoắn ốc, đại số tuyến tính và có FFI C/C++ dễ dàng cho mọi thứ khác. Nó cũng đi kèm với mã trình diễn để thực hiện các mạng lưới thần kinh và mạng lưới chuyển đổi để phân loại hình ảnh và ký tự, có lẽ là nơi bạn muốn bắt đầu.
Đó là trong kho của Ubuntu, nhưng có thể bạn muốn phiên bản mới nhất tại đây:
Lush không còn được sử dụng tại NYU, vì tất cả người dùng của nó đã chuyển sang Torch, một libarary dựa trên Lua. Vì vậy, Lush có thể không còn được hỗ trợ tốt nữa. – SuperElectric
Trong khi câu hỏi là cũ và câu trả lời của tôi là muộn, tôi vẫn nghĩ rằng nó có giá trị.
Gần đây tôi đã tìm kiếm một số tài nguyên về Học máy ở Common Lisp (do đó tại sao tôi tìm thấy câu hỏi này). Sau khi thực hiện một số nghiên cứu khác, tôi đã tìm thấy this codebase. Nó chứa nhiều điều thú vị, chẳng hạn như Boltzmann Machines, các mạng nơ-ron backprop phía trước và tái phát. Tác giả cũng có các thư viện khác, chẳng hạn như evolutionary algorithms. Mã này chắc chắn là một cách tốt để bắt đầu.
http://masonium.com/blog/2011/02/08/cl-fann-released/ vừa mới xuất hiện. Tôi không có kinh nghiệm với nó, nhưng nó có thể được sử dụng. –