¡Qué recuerdos me trae volver a oir hablar de Redes Neuronales cuando ahora parece que todo el mundo se decanta por el Deep Learning!

Si cuando el siglo pasado algunos empezamos «picando» el código para el aprendizaje de las Redes Neuronales ahora basta con instalar alguna de las librerías de código abierto (Tensorflow, por ejemplo) para entrenarlas en una fracción de tiempo. Eso sí, lo que aprendimos del algoritmo de backpropagation es algo que nunca olvidaremos … y que siempre tratamos de enseñar a nuestros alumnos.

En esta línea, el Fraunhofer Institute for Microelectronic Circuits and Systems (IMS) acaba de presentar su AlfES escrito totalmente en GCC y por tanto independiente de la plataforma.

Su código está reducido al mínimo y no está pensado para el desarrollo de aplicaciones de Big Data por lo que no tiene conectividad con la nube. Al contrario, está optimizado para ser utilizado en microntroladores y sensores y sistemas embebidos donde ejecutar todas las tareas necesarias para obtener un modelos en base a RNN y que van desde la normalización de las variables de entrada, configuración de la arquitectura de la red y entrenamiento pudiéndose hacer todo el proceso incluso desde una RPi.

Por otra parte, si lo que necesitas es integrar en tu solución realizada en LabVIEW o MATLAB basta con utilizar la DLL generada a partir del códido para poder integrar un modelo de RN en para resolver tu problema.

Todavía el producto está en desarrollo pero ya hay un numeroso de aplicaciones en las que se podría aplicar… aunque, mucho nos tememos que, el producto finalmente no sea open source