Dit is mijn nederlandstalige neural-net-pagina, bedoeld voor studenten muziektechnologie, mezelf en
andere geïnteresseerden. De nadruk ligt op muzikale toepassingen. Hieronder wat inleidende teksten,
documentatie, source code en executables om te downloaden. (Als je op Mac geen postscript-documenten kunt
lezen download dan MacGhostView.sit.)
Online documenten:
nn_doc.ps, een heel aardige nederlandstalige
inleiding tot neurale netwerken door Peter Kleiweg,
1996. Goed leesbaar zonder speciale (beta) voorkennis! Bij problemen met het
postscript-formaat kun je ook de .pdf-versie downloaden.
Thomas Riga, University of Genoa,
Italy. Een aardige website met backpropagation voorbeeldcode in C++. Een gedeelte van zijn site
is hier ge-mirror-t.
Neural Networks, algorithms, applications, and programming techniques. Door
James A. Freeman en David M. Skapura. Addison-Wesley Publishing Company, ISBN 0-201-51376-5.
Een heel aardig boek! Goede theoretische inleiding, tips voor implementatie, maar
platform- en taal-onafhankelijk. Wiskundig onderbouwd. Een aanrader!
Neural Networks and Fuzzy Logic. Door Dr Valluru B. Rao en Hayagriva V. Rao.
MIS:Press (subsidiary of Henry Holt and Company, Inc), ISBN 1-55851-552-6.
Een wat minder goed boek. Wel heel veel C++ voorbeeldcode (ook op bijgeleverde diskette).
Erg gericht op Microsoft/Windows en C++. Weinig fundamentele onderbouwing en
teveel volledig uitgewerkte numerieke voorbeelden.
SOM_PAK is een open source pakket in C voor Self Organizing Maps door Teuvo Kohonen.
De sources compileren prima onder onder UNIX,
er zijn kant-en-klare executables voor DOS beschikbaar en een Macintosh-port lijkt ook niet al te moeilijk.
De handleiding, die je echt nodig zult hebben voor de vele command-line opties, is beschikbaar in
plain ASCII en in postscript formaat.
Alle I/O verloopt via plain ASCII files waardoor goed is te volgen wat er precies gebeurt, verder biedt
het grafische output-mogelijkheden in .ps- en .eps-formaat.
Ik heb - heel snel - het een en ander uitgeprobeerd en mij lijkt SOM_PAK een heel bruikbaar pakket!
Stuttgart Neural Network Simulator is een software-simulator voor
neural networks onder UNIX. Ontwikkeld aan het Institute for Parallel and Distributed
High Performance Systems (IPVR) aan de universiteit van Stuttgart. Doel van het SNNS
project is een efficiente en flexibele simulatie-omgeving creëren voor onderzoek en
toepassing van neurale netwerken. De SNNS simulator bestaat uit 2 onderdelen: een simulator-kernel
geschreven in C; en een grafische user-interface onder X11R5 of X11R6.
Download de source code versie 4.2, de
PDF handleiding en de readme.
Goed spul, omvat bijna alle soorten netwerken!
bpnn133u.zip, Backpropagation in C door by Patrick Ko Shu-pui,
voor DOS en UNIX.
Download Mactivation3.3.sit.hqx,
Educatieve interactieve simulator voor associatief geheugen, geschreven door Mike Kranzdorf.
Download DartNet.sit.hqx. Educatieve applicatie voor simuleren
van backpropagation netwerk. Ontwikkeld door Sean Patrick Nolan en Jamshed Bharucha,
Dartmouth College, Hanover, NH 03755
Download fat-mlp.sit.hqx. MAX object voor
backpropagation. Voor zowel 68k als PPC processoren. Werkt prima!! Enige deskundigheid is geboden
want je kunt er vrij makkelijk je Mac op laten vastlopen (het blijft per slot een MAX-object:-).
De documentatie is wat summier... Plaats het mlp-object niet in de max-startup of
-externals folder maar zet het in je werk-directory, waar je aan mlp refereert. Om het te kunnen
gebruiken is enige bekendheid met backpropagation noodzakelijk (lees bijv.
Freeman). In vergelijking met alle andere software op deze pagina, is met dit
ene objectje wel zeer snel praktisch resultaat te behalen, het werkt prima, draait redelijk snel,
en een simpele user-interface is binnen MAX zo gebouwd.