Adriano Maciel
3.0 KiB
FANN - PHP Machine Learning
Utilizando uma Rede Neural Recorrente multicamadas Full-Connected - Backpropagation
Este repositório tem como objetivo reunir exemplos de como utilizar a biblioteca FANN, portada para o PHP como uma extensão, com documentação disponível no site oficial da linguagem.
Para executar os exemplos, tenha instalado:
Cada diretório possui seu próprio arquivo README.md com instruções específicas.
Motivação
O objetivo é fornecer exemplos de como utilizar redes neurais com PHP e explorar um pouco mais a extensão FANN. Apesar de outras linguagens serem mais apropriadas para trabalhar com redes neurais, a ideia de usar esta tecnologia também com o PHP é muito interessante.
Talvez com um interesse maior da comunidade, futuramente o PHP esteja mais preparado para ligar com essa demanda. Pois seria ótimo poder fazer um amplo uso de redes neurais sem depender de outras tecnologias ou APIs externas.
Por enquanto a biblioteca FANN não suporta diversos tipos de redes mais complexas como:
Que são utilizadas para problemas mais complexos, como reconhecimento facial, processamento de linguagem natural, etc...
Estas são tarefas que até podem ser realizadas por redes mais simples, porém o custo de processamento e complexidade de implementar são muito maiores.
Redes que utilizam LSTM, são capazes de abstrair praticamente qualquer tipo de problema, claro que demandam mais poder de processamento e mais neurônios. Porém os resultados costumam ser mais eficientes.
Cara tipo de rede tem como objetivo resolver um problema, ou resolver o mesmo problema mas com mais eficiência que outras redes.
Tudo depende de como você modela (configura) a rede, dos dados que devem ser processados e de quanto poder computacional você dispõe.
Pois mesmo que você tenha a rede modelada para o problema, seu computador ou servidor conseguem processar esses dados?
Um problema que geralmente acontece, é seu computador demorar muito tempo para treinar uma única geração da rede (Epoch), isso pode ocorrer por que a rede está mal modelada, ou não é adequada para os dados inseridos, ou simplesmente o computador não conseguir processar em tempo hábil.
Nestes casos, você pode recorrer ao processamento em GPU.
PHP
Enfim, mesmo que não seja possível até agora, fazer tudo isso com o PHP. Podemos utilizar redes mais simples, como Redes Neurais Recorrentes, e utilizar redes do tipo Feedfoward e Backpropagation, atualmente suportadas pela biblioteca FANN.