文件名称:AUT-neural-networks-HW1:使用单个Perceptron单元,单个Adaline单元和二阶Perceptron进行二进制分类
文件大小:1.78MB
文件格式:ZIP
更新时间:2024-05-02 01:04:20
Python
使用单个Perceptron单元,单个Adaline单元和二阶Perceptron进行二进制分类 该项目通过在本作业的隐藏层中利用Perceptron,二阶Perceptron和Adaline单元,使用单层前馈网络(SLFFN)实现了矿物数据集的二进制分类。 培训成本历史记录和验证成本历史记录可在,我强烈建议阅读以学习数学背景,Perceptron和Adaline单位,用于训练的算法,差异和... 资料集 功能:60(无偏置柱) 地面真相标签:M,R 列名称:未知 用于预处理数据的技术 改组 使用最小-最大缩放器进行归一化 增加偏见 添加多项式特征(用于二阶感知器) 将数据集拆分为训练数据(70%),验证数据(10%)和测试数据(20%) 超参数 eta:固定(1e-4)(也称为学习率。) 迭代(Adaline SLFFN的时期):调整与验证数据 评估指标 精度,混淆矩阵(TP,T
【文件预览】:
AUT-neural-networks-HW1-main
----figures()
--------adaline-cost-history.png(105KB)
--------training-data-correlation-histogram.png(96KB)
--------second-order-perceptron-cost-history.png(94KB)
--------validation-data-correlation-hitmap.png(112KB)
--------testing-data-correlation-histogram.png(97KB)
--------validation-data-correlation-histogram.png(96KB)
--------perceptron-cost-history.png(120KB)
--------testing-data-correlation-hitmap.png(111KB)
--------training-data-correlation-hitmap.png(110KB)
----neural_networks_HW1_AUT_99131006_amir_pirhosseinloo.pdf(1.09MB)
----model-using-perceptron-version2.py(2KB)
----base.py(1KB)
----model-using-second-order-perceptron.py(4KB)
----model-using-adaline.py(3KB)
----plot-correlations-histograms.py(2KB)
----LICENSE(1KB)
----README.md(3KB)
----model-using-perceptron.py(3KB)
----dataset.csv(86KB)