Здесь собраны мои учебные проекты по нейронным сетям и методам машинного обучения.
Описание:
Реализовала и обучила многослойный перцептрон (MLP) для задачи классификации. Настроила архитектуру сети, функции активации и оптимизатор, провела эксперименты с гиперпараметрами.
Результат:
Модель показала хорошую точность на тестовой выборке и продемонстрировала понимание основ полносвязных нейронных сетей.
Описание:
Построила сверточную нейронную сеть (CNN) для распознавания изображений. Использовала сверточные и пулинговые слои, регуляризацию и настройку гиперпараметров для повышения точности.
Результат:
Модель достигла высокой точности классификации и подтвердила практическую применимость CNN в задачах компьютерного зрения.
Описание:
Реализовала классическую модель сети Хопфилда как пример ассоциативной памяти. Обучила сеть хранить несколько бинарных образов и проверила восстановление искажённых шаблонов.
Результат:
Сеть корректно восстанавливала зашумленные данные, что показало её применимость для фильтрации шума и моделирования памяти.