(mini) biblioteca desenvolvida e aplicada ao desafio "Handwritten Character Recognition"
O desafio foi alinhado ao desenvolvimento de uma (mini) biblioteca para treino de rede neural fortemente conectada. Com esta biblioteca, foi treinada uma rede que, aplicada ao banco de teste balanceado do EMNIST, obteve taxa de acerto de 87% para letras e 96% para dígitos numéricos. A linguagem utilizada é o C++.
| Entrada | Saída |
|---|---|
 |
quqntos neuronjos existem qntre um pensar e outro |
 |
0123456789 2918273654 |
Quase. Redes convolucionais atingem maior taxa de acerto, mas como essa foi minha primeira abordagem ao tema, optei por estudar e desenvolver um sistema mais simples, de rede fortemente conectada, que é basilar para as redes convolucionais.
As redes treinadas e programa exemplo estão disponíveis na pasta exemplo.
O arquivo relatório.pdf contém uma visão geral que guiou o desenvolvimento, e os detalhes estão no relatório_técnico.pdf, que inclui as derivações numéricas do algorítmo de backpropagation e explica decisões de design.
A pasta treino possui programas que demonstram o treino e teste da rede.
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent