AI-For-Beginners/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/lab
localizeflow[bot] 43c61babaf chore(i18n): sync translations with latest source changes (chunk 1/1, 201 changes) 2026-01-30 02:36:47 +00:00
..
PerceptronMultiClass.ipynb 🌐 Update translations via Co-op Translator 2025-08-30 01:17:50 +00:00
README.md chore(i18n): sync translations with latest source changes (chunk 1/1, 201 changes) 2026-01-30 02:36:47 +00:00

README.md

Класификација са више класа помоћу Перцептрона

Лабораторијска вежба из Наставног плана за почетнике у вештачкој интелигенцији.

Задатак

Користећи код који смо развили у овој лекцији за бинарну класификацију руком писаних цифара из MNIST скупа података, направите класификатор са више класа који ће бити у стању да препозна било коју цифру. Израчунати тачност класификације на скупу за обуку и тестирање, и исписати матрицу конфузије.

Савети

  1. За сваку цифру, направите скуп података за бинарну класификацију „ова цифра против свих осталих цифара“
  2. Обучите 10 различитих перцептрона за бинарну класификацију (по један за сваку цифру)
  3. Дефинишите функцију која ће класификовати улазну цифру

Савет: Ако комбинујемо тежине свих 10 перцептрона у једну матрицу, можемо применити свих 10 перцептрона на улазне цифре једним множењем матрица. Највероватнија цифра може се пронаћи применом argmax операције на излаз.

Почетна свеска

Започните лабораторију отварањем PerceptronMultiClass.ipynb


Одрицање од одговорности:
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције Co-op Translator. Иако се трудимо да обезбедимо тачност, молимо вас да имате у виду да аутоматизовани преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу настати услед коришћења овог превода.