OSDN -- 오픈 소스 소프트웨어 개발 및 다운로드
Translation Status of 한국말 translation status for ko

RSS
Download List

프로젝트 설명

Accord.NET provides statistical analysis, machine learning, image processing, and computer vision methods for .NET applications. The Accord.NET Framework extends the popular AForge.NET with new features, adding to a more complete environment for scientific computing in .NET.

System Requirements

System requirement is not defined
Information regarding Project Releases and Project Resources. Note that the information here is a quote from Freecode.com page, and the downloads themselves may not be hosted on OSDN.

2011-04-02 05:53
2.1.6

이 릴리스 가속 세그먼트 테스트에서 더 빨라 - 업 강력한 기능 (파도타기) 감지기를, 특징 소개 (빠른) 숨겨진 마르코프 시퀀스 분류에 시퀀스 거부 코너 검출기, 비선형 최적화를위한 제한된 메모리 BFGS 방법, 및 임계값 모델.
This release introduces the Speeded-Up Robust Features (SURF) detector, Features from Accelerated Segment Test (FAST) corners detector, Limited-memory BFGS method for non-linear optimization, and threshold models for sequence rejection in hidden Markov sequence classifiers.

2011-02-22 00:17
2.1.5

이 릴리스에는 독립적인 구성 요소 분석, 새로운 오디오 아키텍처, 그리고 숨겨진 마르코프 모델 네임 스페이스의 주요 리팩토링에 대한 지원을 소개합니다. 새로운 오디오 아키텍처는 음성 신호의 블라인드 소스 분리를 수행하는 독립 성분 분석와 함께 사용할 수 있습니다. 기계 학습 애플 리케이션을위한 커널 이미 포괄적인 세트는 또한 가우스, 다항식, 라플라시안, Sigmoid, 그리고 코시 커널 스파스 버전으로 확장되었습니다.
This release introduces support for independent component analysis, a new audio architecture, and a major refactoring of the hidden Markov models namespace. The new audio architecture can be used in combination with independent component analysis to perform blind source separation of audio signals. The already comprehensive set of kernels for machine learning applications has also been expanded with sparse versions of the Gaussian, Polynomial, Laplacian, Sigmoid, and Cauchy kernels.

2010-11-04 02:10
2.1.3

큰 개선이 설명서 있었다. 프레임 워크는 현재 지속적인 밀도 숨겨진 마르코프 모델, 가우스 혼합물, 그리고 음수가 아닌 매트릭스의 분해에 대한 지원을하고 있습니다.
Great improvements were made to the documentation. The framework now has support for Continuous density Hidden Markov Models, Gaussian Mixtures, and Non-negative Matrix Factorization.

Project Resources

Project Page Home Page