Projeto desenvolvido durante a disciplina de Inteligência Artificial ministrada pelo professor Lucas Araújo Pereira na Universidade Federal de Goiás. Implementação em Python utilizando Pytorch.
- Esse projeto tem como objetivo simular o ambiente apresentado em https://playground.tensorflow.org, mais especificamente o problema de Classificação.
- Das principais características do ambiente, foram implementadas:
- 4 Datasets (Circle, Exclusive OR, Gaussian, Spiral)
- Split Ratio, Noise e Batch Size
- 4 Features (x1, x2, x1², x2²)
- Capacidade de adicionar e remover Nuerônios e Camadas
- A implementação foi feita em PyTorch visando atender as principáis características citadas no tópico de visão geral.
- Cada conjunto de dados é composto por 800 pontos (com exceção do Exclusive Or que possui apenas 400), possuindo suas cordenadas x,y e a respectiva label indicando a coloração daquele ponto. Vale ressaltar que para os resultados obtidos, o dataset foi dividido em 50% para treino e 50% para teste.
- O modelo consiste de camadas lineares extraídas da classe nn.Module, e a implementação do mesmo permite adicionar x neurônios e y camadas.
- A Loss utilizada foi a MeanSquareError, e o batch_size é de 10.
- Os conjuntos de dados foram treinados com um número de épocas diferente, que variou de 100 até 1000 épocas, dependendo da complexidade do problema.
- Como é possível evidênciar nos gráficos gerados ao final do experimento, a rede aprendeu os 4 conjuntos de dados com uma precisão acima de 99%.
