探索未来智能的秘诀:Comportex
2024-06-11 14:59:56作者:舒璇辛Bertina

Comportex 是一个基于Clojure语言实现的层次时间记忆(Hierarchical Temporal Memory, HTM)库。这个项目并不是NuPIC的克隆版,而是从Numenta的CLA白皮书出发,经过深入理解和改进的一个独立实现。
在Clojure的精神指导下,Comportex是一个图书馆而非框架,它让你掌控模拟过程,并决定如何处理结果。你可以自由地将活跃细胞集合用于生成预测或异常分数,而不是让系统自动完成。
尽管Comportex当前仍在开发阶段,但它的目标明确:
- 通过实现和实验来深刻理解HTM理论;
- 通过视觉解释帮助开发者更好地理解理论;以及
- 尝试将其应用于新问题类型,以此进一步发展理论。
文档与示例
为了深入了解如何使用HTM解决实际问题,推荐阅读Marcus Lewis的论文——利用HTM预测电力消耗。
核心API位于core命名空间中,通常会配合layer中的层实现和encoders中的编码器一起使用。参数描述可在org.nfrac.comportex.layer.params中找到。
快速上手
以下是最小可运行示例:
(require '[org.nfrac.comportex.core :as cx]
'[org.nfrac.comportex.layer :as layer]
'[org.nfrac.comportex.encoders :as enc])
(def sensor [:val (enc/unique-encoder [127] 21)])
(def params {})
(def htm
(cx/network {:layer-a (layer/layer-of-cells params)}
{:input sensor}))
(def htm2 (cx/htm-step htm {:val "hi"}))
(-> htm2 :layers :layer-a (cx/layer-state) :active-columns)
; #{186 641 898 830 490 805 776 819 758 627 630 485 515 618 872 143 220 392 133 38}
使用方法
首先获取Leiningen。然后克隆此仓库并启动REPL,或者探索提供的交互式Notebook(Sanity)以获得更丰富的体验。
此外,还有一些Demo可供参考,以及一个简单的JavaScript API,便于在浏览器环境中使用。
相关项目
联系与贡献
可以通过HTM论坛的特定类别交流,或者直接发送邮件或创建GitHub问题。
许可证
Comportex遵循与NuPIC相同的GNU Affero General Public Licence v3许可证。
如果你对人工智能的未来感兴趣,想要探索非传统机器学习模型的潜力,那么Comportex值得你一试。现在就开始你的旅程,加入到这场关于无监督学习与自适应系统的探索中来吧!
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220