Accord.NET کتابخانهای است متنباز و بسیار کارآمد که در آن توابع بسیار زیادی در حوزهی تحلیل آماری (statistical analysis)، یادگیری ماشین (machine learning)، پردازش تصویر (Image processing) و بینایی ماشین (computer vision) قرار گرفتهاند تا در برنامههای NET. ایی مورد استفاده قرار گیرند.
چارچوب Accord.NET توسط آقای سزار سوزا بر پایه کتابخانهی مشهور و محبوب AForge.NET (که توسط آقای اندرو کریلو ایجاد شده بود) بنا شده و البته ابزارهای جدید زیادی به همراه یک محیط کامل برای محاسبات علمی (scientific computing) در NET. به آن اضافه شده است.
این چارچوب متشکل از چندین کتابخانه است که میتوان آن را از طریق NuGet دریافت و نصب کرد.
کتابخانههای Accord.NET را میتوان به سه دستهی کلی تقسیم کرد :
1. محاسبات علمی (scientific computing)
2. پردازش تصویر و سیگنال
اگر با مفاهیم یادگیری ماشین و هوش موصنوعی کمتر آشنا هستید و در این قسمت کمی کلمات تخصصی به کار رفته نگران نباشید؛ در مطالب آتی به صورت کاربردی به استفادهی از آنها خواهیم پرداخت.
چارچوب Accord.NET توسط آقای سزار سوزا بر پایه کتابخانهی مشهور و محبوب AForge.NET (که توسط آقای اندرو کریلو ایجاد شده بود) بنا شده و البته ابزارهای جدید زیادی به همراه یک محیط کامل برای محاسبات علمی (scientific computing) در NET. به آن اضافه شده است.
این چارچوب متشکل از چندین کتابخانه است که میتوان آن را از طریق NuGet دریافت و نصب کرد.
کتابخانههای Accord.NET را میتوان به سه دستهی کلی تقسیم کرد :
1. محاسبات علمی (scientific computing)
1.1. Accord.Math | جهت کار با ماتریسها عددی تجزیه ماتریسها (decomposition matrix) الگوریتمهای بهینه سازی عددی برای مسائل محدود و نامحدود توابع و ابزارهای خاص جهت استفاده در کاربردهای علمی |
1.2. Accord.Statistics | شامل توابعی جهت توزیعهای احتمال (probability distributions) آزمایش فرضیات (hypothesis testing) مدلهای آماری (statistical models) و توابعی شامل : رگرسیون خطی، مدل پنهان مارکوف (Hidden Markov Models)، آنالیز اجزای اساسی (Principal Component Analysis) و خیلی از تکنیکهای مرتبط دیگر. |
1.3. Accord.MachineLearning | شامل دسته بندهای معروف از جمله : ماشین برداری پشتیبان - Support Vector Machines درخت تصمیم - Decision Trees مدل نیو بیز - Naive Bayesian models K-means مدل ترکیبی گوسین - Gaussian Mixture models و الگوریتمهای متدوال دیگری مانند : Ransac, Cross-validation و Grid-Search |
1.4. Accord.Neuro | شامل الگوریتمهای معروف در حوزه شبکههای عصبی مصنوعی مانند: لونبرگ مارکوارت - Levenberg-Marquardt Parallel Resilient Back-propagation شبکه باور عمیق - Deep Belief Networks ماشین بولتزمن - Restrictured Boltzmann Machines و تعدادی از شبکههای عصبی دیگر |
2. پردازش تصویر و سیگنال
2.1. Accord.Imaging | شامل آشکارسازهای نقاط از جمله Harris, SURF, FAST و FREAK فیلترهایی برای تصاویر توابعی جهت انطباق (matching) و دوخت (stitching) تصاویر استخراج ویژگیهای خوبی مانند - ﻫﯿﺴﺘﻮﮔﺮام ﮔﺮادﯾﺎنﻫﺎی ﺷﯿﺐﮔﺮا و یا هاگ (Histograms of Oriented Gradients) و ویژگیهای توصیفی بافتی هارلیک (Haralick’s textural) |
2.2. Accord.Vision | تشخیص و ردیابی بیدرنگ چهره توابعی برای تشخیص، ردیابی و تبدیل اشیایی که در جریانی(streams) از تصاویر هستند |
2.3. Accord.Audio | شامل توابعی جهت پردازش صدا از جمله اسپکتروم آنالایزر |
3. سایر کتابخانههای پشتیبانی
3.1. Accord.Controls | شامل نمودار هیستوگرام، پلاتها و نمایشگرها و نمودارهایی برای دادههای جدولی جهت کاربردهای علمی. |
3.2. Accord.Controls.Imaging | شامل ابزاری برای نمایش سریع تصاویر برای برنامههای Windows Forms |
3.3. Accord.Controls.Audio | شامل کنترلهای Windows Forms برای نمایش شکل موج صوت و اطلاعات آن |
3.4. Accord.Controls.Vision | شامل اجزاء و کنترلهای Windows Forms برای ردیابی حرکات سر، صورت، دست و سایر کارهای مرتبط با بینایی ماشین |
اگر با مفاهیم یادگیری ماشین و هوش موصنوعی کمتر آشنا هستید و در این قسمت کمی کلمات تخصصی به کار رفته نگران نباشید؛ در مطالب آتی به صورت کاربردی به استفادهی از آنها خواهیم پرداخت.