7a7aeb92a1
|
||
|---|---|---|
| .. | ||
| PerceptronMultiClass.ipynb | ||
| README.md | ||
README.md
طبقهبندی چندکلاسه با پرسپترون
تمرین آزمایشگاهی از برنامه درسی هوش مصنوعی برای مبتدیان.
وظیفه
با استفاده از کدی که در این درس برای طبقهبندی باینری ارقام دستنویس MNIST توسعه دادهایم، یک طبقهبند چندکلاسه ایجاد کنید که بتواند هر رقمی را تشخیص دهد. دقت طبقهبندی را روی دادههای آموزشی و آزمایشی محاسبه کنید و ماتریس سردرگمی را چاپ کنید.
نکات
- برای هر رقم، یک مجموعه داده برای طبقهبندی باینری "این رقم در مقابل سایر ارقام" ایجاد کنید.
- 10 پرسپترون مختلف برای طبقهبندی باینری (یکی برای هر رقم) آموزش دهید.
- یک تابع تعریف کنید که بتواند یک رقم ورودی را طبقهبندی کند.
نکته: اگر وزنهای هر 10 پرسپترون را در یک ماتریس ترکیب کنیم، میتوانیم تمام 10 پرسپترون را با یک ضرب ماتریسی به ارقام ورودی اعمال کنیم. رقم محتملتر را میتوان فقط با اعمال عملیات
argmaxروی خروجی پیدا کرد.
دفترچه شروع
تمرین را با باز کردن PerceptronMultiClass.ipynb آغاز کنید.
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما تلاش میکنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است شامل خطاها یا نادرستیها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه میشود از ترجمه حرفهای انسانی استفاده کنید. ما مسئولیتی در قبال سوء تفاهمها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.