在本文中，我们介绍了可用于日常工作的各种Java AI 框架。人工智能 (AI) 已经存在很长时间，但它已成为市场上最热门的话题之一。在本文中，我们将介绍Java 中的 AI 库。
1. 机器学习
- 1.1 Weka威卡
Weka是用于数据挖掘任务的机器学习算法的集合。这些算法既可以直接应用于数据集，也可以从您自己的 Java 代码中调用。Weka 包含用于数据预处理、分类、回归、聚类、关联规则和可视化的工具。
- 1.2 MOA（在线分享）
MOA(Massive On-line Analysis) 为数据流挖掘框架 。它包括评估工具和机器学习算法的集合。与WEKA项目相关，它也是用 Java 编写的，同时可以扩展到更苛刻的问题。
- 1.3 Encog 机器学习框架
Encog是一种高级机器学习框架，支持各种高级算法，以及用于规范化和处理数据的类。机器学习算法。
- 1.4 Java-ML
Java-ML是一个开源 Java 框架，专门为程序员提供各种机器学习算法。
- 1.5 MLlib (Spark)
MLlib是 Spark 的可扩展机器学习库，由常见的学习算法和实用程序组成，包括分类、回归、聚类、协同过滤、降维。
- 1.6 H2O
H2O是一个用于分布式、可扩展机器学习的内存平台。H2O 使用熟悉的界面，如 R、Python、Scala、Java、JSON 和 Flow notebook/web 界面，并与 Hadoop 和 Spark 等大数据技术无缝协作。
- 1.7 Signa
Apache SINGA 是一个开源机器学习库，能够进行分布式训练，专注于医疗保健应用程序。
- 1.8 RapidMiner
RapidMiner 是一个数据科学平台，通过其 GUI 和 Java API 支持各种机器和深度学习算法。它有一个非常大的社区、许多可用的教程和大量的文档。
- 1.9 Smile
Smile（统计机器智能和学习引擎）是一个快速而全面的机器学习、NLP、线性代数、图形、插值和可视化系统，使用 Java 和 Scala 编写。凭借先进的数据结构和算法，Smile 提供最先进的性能。
2. Java 神经网络库
- 2.1 Deeplearning4j
Deeplearning4j是用于 JVM 的开源、分布式和商业级深度学习库。
- 2.2 Neuroph
Neuroph是一个轻量级的 Java 神经网络框架，用于开发常见的神经网络架构。Neuroph通过提供 支持创建、训练和保存神经网络的Java 神经网络库 和 GUI 工具来简化神经网络的开发 。
- 2.3 Arbiter
Arbiter是一个超参数优化库，旨在自动化深度神经网络训练的超参数调整。它相当于 Google Tensorflow 的 Vizier 或 Python 库 Spearmint。
3. NLP - 自然语言处理
- 3.1 Apache OpenNLP
Apache OpenNLP 是一个用于处理自然语言的机器学习工具包；即文本。官方网站提供了 API 文档，其中包含有关如何使用该库的信息。
- 3.2 斯坦福 CoreNLP
斯坦福 CoreNLP 是最流行的 Java 自然语言处理框架。它为 NLP 任务提供了各种工具。官方网站提供了有关如何使用此框架的信息的教程和文档。
4. 基于规则的系统
- 4.1 Tweety
Tweety是各种 Java 库的集合，这些库为人工智能的不同领域添加了方法。特别是，它提供了一个通用接口层，用于研究和使用不同的知识表示形式，如经典逻辑、条件逻辑、概率逻辑和论证。
- 4.2 Drools
Drools 是由 Red Hat 支持的业务规则管理系统。
- 4.3 d3web
d3web提供解决问题的知识来解决诊断任务，将观察结果输入系统并返回正确的诊断结果。