deep-learning-method-BP

Проект лабораторной работы #1 по курсу "Глубокое обучение"

Реализация метода обратного распространения ошибки для двуслойной полностью связанной нейронной сети

Инструкция по сборке и запуску приложения

1. Перейдите в папку build и запустите в ней командную строку

2. В зависимость от версии вашей Visual Studio вызовите одну из следующих команд:

   cmake -G "Visual Studio 10 2010" ..

   cmake -G "Visual Studio 12 2013" ..

   cmake -G "Visual Studio 15 2017" ..

3. Откройте файл config.txt и задайте необходимые параметры. Данный конфигурационный файл имеет следующую структуру:

   • Путь до изображений обучающей выборки

       fileTrainImageMNIST, MNIST_Database/train-images.idx3-ubyte
     

   • Путь до меток обучающей выборки

       fileTrainLabelsMNIST, MNIST_Database/train-labels.idx1-ubyte
     

   • Путь до изображений тестовой выборки

       fileTestImageMNIST, MNIST_Database/t10k-images.idx3-ubyte
     

   • Путь до меток тестовой выборки

       fileTestLabelsMNIST, MNIST_Database/t10k-labels.idx1-ubyte
     

   • Количество нейронов на скрытом слое

       numberHiddenNeurons, 200
     

   • Максимальное число эпох

       numberEpochs, 50
     

   • Скорость обучения

       learningRate, 0.008
     

   • Требуемая точность

       errorCrossEntropy, 0.005
     

4. Откройте в Visual Studio собранное решение. В свойствах решения укажите, что первым запускаемым проектом должен быть MethodBackPropagation. Скомпилируйте и запустите приложение.

5. По завершению работы приложение выдаст точность классификации на обучающей и тестовой выборках.

Отчёт по лабораторной работе

Отчёт с описанием метода обратного распространения ошибки и с кратким описанием программного кода находится в папке report.

Результаты экспериментов

В результате экспериментов удалось получить следующую точность классификации:

на обучающей выборке: 0.999700

на тестовой выборке: 0.98150