Лабораторная работа: Проект №1 (Лабораторная работа № 1-4) «Система распознавания рукописных цифр»

Проект №1 (Лабораторная работа № 1-4) «Система распознавания рукописных цифр»
Постановка задачи Требуется построить систему распознавания цифр. Для решения данной задачи будем использовать нейронные сети. А в качестве обучающих данных воспользуемся набором рукописных цифр MNSIT (рис. 1) Рис 1. Пример из набора данных MNIST Модели нейронных сетей Для получения хорошего качества распознавания рукописных цифр необходимо найти ту структуру сети, которая дает хороший результат на тестовой выборке. Для решения поставленной задачи будем проверять различные модели нейронной сети: • Многослойный персептрон • Сверточная нейронная сеть • Многослойный персептрон + Автоэнкодер (типа персептрон/сверточный) Выбор модели будет осуществляться на основе показаний функции потерь на тестовой выборке. Для построение и обучения нейронных сетей будет использоваться язык программирования python и библиотека Keras/Tensorflow. Рассмотрим многослойный персептрон. Он представляет из себя полно связанную нейронную сеть, состоящих из искусственных нейронов, которые составляются в структуру, состоящих из слоев. Каждый слой состоит из набора нейронов, которые не связаны внутри одного слоя, но связаны каждый нейрон с каждым между соседними слоями. Связи имеют веса, а нейрон получает сигналы, умноженные на эти веса. Затем он их суммирует и отправляет в функцию активации – это некоторое нелинейное преобразование. Нейронная сеть показанная на рисунке 2 описывается следующей формулой: