Implementazione del multilayerd perceptron multiclasse per problemi di classificazione. Per la riproduzione dei dati è necessario eseguire il programma dopo aver impostato correttamente le stringhe relative ai percorsi del dataset e, se si volesse cambiare i dataset, sarà sufficiente modificare le stringhe dei link all'interno dei metodo read_csv di pandas. I dataset dell'elabaroto sono stati presi dall'archivio: http://archive.ics.uci.edu/ml/datasets/Letter+RecognitionOpenCV-Python.
Directory contentente la parte di codice
Modulo di Test. In questo modulo verrà chiamato l'algoritmo backpropagation per l'addestramento delle reti, attraverso due dataset. Successivamente verranno stampati i valori di error sul training e validation set.
Modulo nel quale sono presenti le varie funzioni di attivazioni con le relative derivate. Relu, Sigmoid, Tanh. E' presente anche la funzione di Softmax per il caso multiclasse.
Classe che definisce la rete neurale MLP e il suo algoritmo di backpropagation.
Modulo per l'inizializzazione dei parametri della rete. L'inizializzazione dei parametri può avvenire con Glorot (Distribuzione Uniforme) o con valori randomici.
Modulo dedicato alla stampa dei vari grafici.
Directory contente la relazione in pdf, il relativo file latex e le immagini.
Directory contente il dataset (di piccole dimensioni) per il problema delle rane.