streamalism.org

1. Bemutatkozás

Ebben a cikkben meg fogjuk tenni tekintsen át egy áttekintést a Java mesterséges intelligencia (AI) könyvtárairól.

Mivel ez a cikk a könyvtárakról szól, önmagában az AI-t nem vezetjük be. Ezenkívül az AI elméleti hátterére is szükség van az ebben a cikkben bemutatott könyvtárak használatához.

Az AI egy nagyon széles terület, ezért a legnépszerűbb területekre fogunk összpontosítani, mint például a természetes nyelv feldolgozása, a gépi tanulás, a neurális hálózatok és még sok más. Végül megemlítünk néhány érdekes mesterséges intelligencia-kihívást, ahol gyakorolhatja az intelligencia megértését.

2. Szakértői rendszerek

2.1. Apache Jena

Az Apache Jena egy nyílt forráskódú Java keretrendszer szemantikus web és összekapcsolt adatalkalmazások RDF adatokból történő felépítéséhez. A hivatalos honlap részletes útmutatást nyújt a keret használatáról, az RDF specifikáció gyors bevezetésével.

2.2. PowerLoom Tudásábrázolási és Érvelési Rendszer

A PowerLoom egy platform intelligens, tudásalapú alkalmazások létrehozására. A Java API-t részletes dokumentációval látja el, amely ezen a linken található.

2.3. d3web

A d3web egy nyílt forráskódú motívum a problémamegoldó ismeretek fejlesztésére, tesztelésére és alkalmazására egy adott problémahelyzetben, sok algoritmus már benne van. A hivatalos weboldal számos példával és dokumentációval gyors bemutatást nyújt a platformról.

2.4. Szem

A Eye egy nyílt forráskódú motívum a félig visszamaradó érvelés végrehajtására.

2.5. Tweety

A Tweety egy Java keretrendszer gyűjteménye az AI logikai szempontjaihoz és a tudásábrázoláshoz. A hivatalos honlap dokumentációt és számos példát tartalmaz.

3. Ideghálózatok

3.1. Neuroph

A Neuroph egy nyílt forráskódú Java keretrendszer a neurális hálózat létrehozásához. A felhasználók hálózatokat hozhatnak létre a megadott GUI vagy Java kód segítségével. A Neuroph API dokumentációt nyújt, amely azt is elmagyarázza, hogy valójában mi a neurális hálózat és hogyan működik.

3.2. Deeplearning4j

A Deeplearning4j egy mély tanulási könyvtár a JVM számára, de API-t is biztosít a neurális hálózat létrehozásához. A hivatalos weboldal számos oktatóanyagot és egyszerű elméleti magyarázatot tartalmaz a mély tanuláshoz és az idegi hálózatokhoz.

4. Természetes nyelv feldolgozása

4.1. Apache OpenNLP

Az Apache OpenNLP library egy gépi tanuláson alapuló eszköztár a természetes nyelvű szöveg feldolgozásához. A hivatalos webhely az API dokumentációját tartalmazza a könyvtár használatával kapcsolatos információkkal. Itt van az Apache OpenNLP bemutatása.

4.2. Stanford CoreNLP

A Stanford CoreNLP a legnépszerűbb Java NLP keretrendszer, amely különféle eszközöket kínál az NLP feladatok végrehajtásához. A hivatalos webhely oktatóanyagokat és dokumentációt tartalmaz, amelyek információkat tartalmaznak a keret használatáról.

5. Gépi tanulás

5.1. Java gépi tanulási könyvtár (Java-ML)

A Java-ML egy nyílt forráskódú Java keretrendszer, amely különféle gépi tanulási algoritmusokat kínál kifejezetten a programozók számára. A hivatalos webhely számos kódmintát és oktatóanyagot tartalmazó API dokumentációt biztosít.

5.2. RapidMiner

A RapidMiner egy olyan adattudományi platform, amely különféle gépi tanulási algoritmusokat nyújt GUI-n és Java API-n keresztül. Nagyon nagy közösséggel, sok elérhető oktatóanyaggal és kiterjedt dokumentációval rendelkezik.

5.3. Weka

A Weka olyan gépi tanulási algoritmusok gyűjteménye, amelyek közvetlenül az adatkészletre alkalmazhatók, a megadott GUI-n keresztül, vagy meghívhatók a megadott API-n keresztül. A RapidMinerhez hasonlóan egy közösség is nagyon nagy, különféle oktatóanyagokat biztosít a Wekának és magának a gépi tanulásnak.

5.4. Encog Machine Learning Framework

Az Encong egy Java gépi tanulási keretrendszer, amely számos gépi tanulási algoritmust támogat. Jeff Heaton fejlesztette ki a Heaton Research munkatársaitól. A hivatalos honlap dokumentációt és számos példát tartalmaz.

5.5. Deep Java Library (DJL)

A Deep Java Library egy nyílt forráskódú könyvtár, amelyet az AWS Labs fejlesztett ki. Ez egy intuitív keretrendszertől független Java API-t biztosít a képzésekhez és a tanulási modellek teszteléséhez. A dokumentáció és a példák a GitHub oldalon érhetők el.

6. Genetikai algoritmusok

6.1. Jenetics

A Jenetics egy fejlett genetikai algoritmus, amelyet Java-ban írtak. Világosan elkülöníti a genetikai algoritmus fogalmait. A hivatalos honlap dokumentációt és felhasználói útmutatót biztosít az új felhasználók számára.

6.2. Óráskeret

A Watchmaker Framework egy keretrendszer a genetikai algoritmusok Java-ban történő megvalósításához. A hivatalos weboldal dokumentációt, példákat és további információkat tartalmaz magáról a keretrendszerről.

6.3. EB 23.

Az ECJ 23 egy Java alapú kutatási keretrendszer, amely erős algoritmikus támogatást nyújt a genetikai algoritmusok számára. Az ECJ-t a George Mason Egyetem ECLab evolúciós számítási laboratóriumában fejlesztették ki. A hivatalos honlap átfogó dokumentációt és oktatóanyagokat tartalmaz.

6.4. Java genetikai algoritmusok csomag (JGAP)

A JGAP egy genetikai programozási komponens, amelyet Java keretrendszerként biztosítanak. A hivatalos honlap dokumentációt és oktatóanyagokat tartalmaz.

6.5. Éva

Az Eva egy egyszerű Java OOP evolúciós algoritmus keretrendszer.

7. Automatikus programozás

7.1. Tavaszi Roo

A Spring Roo a Spring könnyű fejlesztői eszköze. Az AspectJ keverékeket használja az aggályok elkülönítésére az oda-vissza karbantartás során.

7.2. Acceleo

Az Acceleo egy nyílt forráskódú generátor az Eclipse számára, amely bármilyen metamodellből (UML, SysML stb.) Meghatározott EMF modellekből generál kódot.

8. Kihívások

Mivel az AI nagyon érdekes és népszerű téma, sok kihívás és verseny van az interneten. Ez egy lista érdekes versenyekről, ahol edzeni és tesztelni tudását:

• Kaggle
• Angry Birds AI verseny
• AI játékok
• Battlecode
• Vindinum

9. Következtetés

Ebben a cikkben különféle Java AI keretrendszereket mutattunk be, amelyek felhasználhatók a mindennapi munkában.

Azt is láttuk, hogy az AI egy nagyon széles terület, sok kerettel és szolgáltatással - amelyek mind jobbá és innovatívabbá tehetik alkalmazásait.