描述
Encog 是一个健壮的、纯粹的 Java 和 C# 机器学习框架，成立于 2008 年。它最初是为了支持硕士学位研究和早期出版物而开发的，重点关注遗传编程、NEAT/HyperNEAT 和各种神经网络技术。随着时间的推移，Encog 的神经网络功能获得了显著的关注，被众多用户采用，并在 Google Scholar 上被引用了 952 篇学术论文。
阅读更多
Encog 创建于 TensorFlow、Keras 和 DeepLearning4J 等复杂机器学习框架尚不普及的时期。虽然这些大型框架现在广泛用于前沿神经网络开发，但 Encog 仍在积极维护和开发中。其持续开发专注于支持主流框架未涵盖的模型类型，并提供多种经典神经网络架构的纯粹、非 GPU Java/C# 实现。该框架的纯 Java 本质简化了需要从头开始实现神经网络的开发者的适应过程。
Encog 支持的关键技术包括 NEAT、HyperNEAT 和遗传编程。虽然 Encog 对计算机视觉的支持有限，但它在提供各种先进机器学习算法方面表现出色。这些算法包括支持向量机、神经网络、贝叶斯网络、隐马尔可夫模型、遗传编程和遗传算法。Encog 还包含数据归一化和处理的支持类。Encog 的大多数训练算法都设计为多线程的，能够有效地在多核硬件上进行扩展。
Encog 仍然是需要基于 Java 的解决方案来处理大型、以 GPU 为中心的主流框架不易解决的特定机器学习任务的研究人员和开发人员的宝贵工具。对于不需要定制实现的大型、最先进的项目，作者个人会使用 Keras 和 TensorFlow。Encog 的文档非常全面，提供快速入门指南、用户手册、开发者见解和贡献者信息，适用于 Java 和 C#。
- 类别机器学习平台
- 定价模式开源
- 部署自托管
- 平台Windows, macOS, Linux
Encog 机器学习框架的核心功能
纯 Java 和 C# 实现
支持遗传编程
支持 NEAT 和 HyperNEAT 算法
广泛的神经网络技术
包含支持向量机
包含贝叶斯网络
包含隐马尔可夫模型
包含遗传算法
多线程训练算法
数据归一化和处理类
源代码简洁，便于定制实现
有限的计算机视觉支持
Encog 机器学习框架入门
安装：通过 Maven、Gradle 或 NuGet 将 Encog 添加到您的项目中。
配置：设置您的机器学习模型和参数。
处理数据：利用支持类进行数据归一化和准备。
训练模型：采用多线程训练算法进行高效学习。
集成：在您的 Java 或 C# 应用程序中部署训练好的模型。
适应：修改源代码以实现定制的神经网络。
Encog 机器学习框架的使用案例
- 神经网络研究
- 遗传编程
- 定制机器学习实现
- 数据归一化
- 经典机器学习算法
- 学术研究支持
