NeuroScript標準ライブラリカタログ

利用可能なプリミティブ (ライブ)

!grep -A1 'self\.register(' src/stdlib_registry.rs | grep '"' | sed 's/.*"\([^"]*\)".*/\1/' | sort

コンポジットライブラリニューロン (ライブ)

!for f in stdlib/FFN.ns stdlib/Residual.ns stdlib/MultiHeadAttention.ns stdlib/TransformerBlock.ns stdlib/TransformerStack.ns stdlib/MetaNeurons.ns; do [ -f "$f" ] && echo "=== $f ===" && ./target/release/neuroscript list "$f" 2>/dev/null; done

カテゴリインデックス

カテゴリ	プリミティブ	用途
コア	Linear, Bias, Scale, MatMul, Einsum	密結合層、線形変換
活性化関数	GELU, ReLU, Tanh, Sigmoid, SiLU, Softmax, Mish, PReLU, ELU	非線形性
正規化	LayerNorm, RMSNorm, GroupNorm, BatchNorm, InstanceNorm	訓練の安定化
正則化	Dropout, DropPath, DropConnect	過学習の防止
畳み込み	Conv1d, Conv2d, Conv3d, DepthwiseConv, SeparableConv, TransposedConv	空間的な特徴抽出
プーリング	MaxPool, AvgPool, AdaptiveAvgPool, GlobalAvgPool, AdaptiveMaxPool, GlobalMaxPool	空間的な次元削減
エンベッディング	Embedding, PositionalEncoding, LearnedPositionalEmbedding, RotaryEmbedding	トークン/位置エンコーディング
構造	Identity, Fork, Fork3, ForkN, Add, Multiply, Concat, Reshape, Transpose, Flatten, Split, Slice, Pad	ルーティングと再形成(分割に暗黙的フォークを推奨)
注意機構	ScaledDotProductAttention, MultiHeadSelfAttention	注意メカニズム
デバッグ	Log	テンソルフロー デバッギング

決定木: どのニューロンを使う?

特徴を変換したい? → Linear(in_dim, out_dim) 非線形性が必要? → GELU() (デフォルト)、ReLU() (レガシー)、SiLU() (最新) 正規化が必要? → LayerNorm(dim) (トランスフォーマー)、RMSNorm(dim) (効率的)、BatchNorm(dim) (CNN) 残差接続が必要? → in -> (main, skip) + 処理 + Add() (暗黙的フォーク) N方向分割が必要? → in -> (a, b, c, ...) (暗黙的フォーク — 任意数の出力) 連結が必要? → Concat(dim=-1) — 名前付きポート経由で2つの入力を受け取る 注意機構が必要? → MultiHeadSelfAttention(d_model, heads) (完全版) または ScaledDotProductAttention(d_k) から構成 畳み込みが必要? → Conv2d(in_ch, out_ch, kernel) (標準)、SeparableConv(...) (効率的) 位置情報が必要? → PositionalEncoding(seq, dim) (正弦波)、RotaryEmbedding(dim, seq) (最新)

標準ライブラリコンポジット

stdlib/ ディレクトリは、プリミティブから構成された高度なニューロンを提供します:

• FFN.ns — フィードフォワードネットワーク: FFN(dim, expansion)、FFNWithHidden(in, hidden, out)
• TransformerBlock.ns — SimpleTransformerBlock(dim)、TransformerBlock(dim, heads, d_ff)
• TransformerStack.ns — TransformerStack2(d, heads, d_ff)、SequentialTransformer(d, heads, d_ff)
• MetaNeurons.ns — ParallelFFN(dim) およびルーティングパターン

完全なシグネチャについては references/primitives-by-category.md を参照してください。 標準ライブラリニューロンの詳細については references/composite-library.md を参照してください。 impl参照がPythonにどのようにマッピングされるかについては references/impl-format.md を参照してください。