Может ли кто-нибудь предложить хороший учебник или книгу для нейронных сетей в Lisp или в блоге или поделиться некоторым примером кода?
У меня есть опыт работы с нейронными netowrks в императивных языках С++, Java, С#, но я хочу попробовать его в Lisp.
Оригинальная книга AI: современный подход включает исходный код LISP на веб-сайте: ссылка В частности, ознакомьтесь с главой обучения (perceptron и т.д.)
В том же духе у вас Парадигмы AI в Lisp, но на самом деле это не касается нейронных сетей, если я правильно помню.
Поиск в google я нашел эти
book: "Общие LISP Модули искусственного интеллекта" (на amazon)
То же самое в Google Books
библиотека для быстрой искусственной нейронной сети
И этот блог содержит несколько сообщений об ANN
Янн ЛеКон, мой советник в NYU, написал объектно-ориентированный диалект lisp, называемый Lush, когда он работал в Bell Labs. Это похоже на липкий MATLAB и ориентирован на быстрое прототипирование численных экспериментов и исследований машинного обучения. Он легко устанавливается, если вы используете Linux или Mac OS. В конце 90-х годов хорошая часть всех проверок в США читалась сетью LeNet-5, которую он написал в Lush.
Мы используем его для большинства наших исследований, поскольку он так сильно поддерживает сверточные нейронные сети, линейную алгебру и имеет простой C/С++ FFI для всего остального. Он также поставляется с демо-кодом для реализации нейронных сетей и сверточных сетей для классификации изображений и персонажей, что, вероятно, должно начаться.
Это в репозиториях Ubuntu, но вы, вероятно, хотите получить последнюю версию:
Пока вопрос старый, и мой ответ задерживается, я все равно считаю это ценным.
Недавно я искал некоторые ресурсы для машинного обучения в Common Lisp (поэтому я нашел этот вопрос). Проведя еще несколько исследований, я нашел эту кодовую базу. Он содержит много интересных вещей, таких как Boltzmann Machines, кормовые и повторяющиеся backprop нейронные сети. У автора также есть другие библиотеки, такие как эволюционные алгоритмы. Этот код, несомненно, хороший способ начать.