NeuroStellar - Igrannonica

Igrannonica je ASP.NET Core veb aplikacija za manipulaciju veštačkim neuronskim mrežama. Koristeći aplikaciju, početnicima iz oblasti veštačkih neuronskih mreža se omogućava razumevanje samog koncepta preprocesiranja, treniranja i testiranja neuronskih mreža. S druge strane, ekspertima se pruža manipulacija setovima podataka uz upotrebu brojnih parametara i mogućnost istovremenog nadgledanja toka procesa.

Opis projekta

Izvršavanje eksperimenata Izvršavanje eksperimenata je omogućeno prijavljenim korisnicima i sastoji se iz sledećih koraka:

Izbor seta podataka U navedenom koraku vrši se izbor seta podataka iz postojećih setova ili po potrebi korisnik može učitati željeni set podataka.

Pikaz izabranog seta podataka Nakon izvršenog izbora seta podataka, korisniku se tabelarno prikazuju učitani podaci.

Preprocesiranje Preprocesiranje se sastoji iz koraka koji korisniku omogućavaju: izbor ulaznih kolona i izlazne kolone, uklanjanje greški, uklanjanje nedostajućih vrednosti, izbor tipa enkodiranja. Cilj navedenog koraka je uvećanje kvaliteta samog seta podataka.

Izbor parametara treniranja Korisniku se pruža izbor parametara za treniranje mreže. Ponuđeni parametri treniranja su:

• Tip problema(vrednosti mogu biti:regresioni, binarno-klasifikacioni, multi-klasifikacioni)

• Broj skrivenih slojeva(celobrojna vrednost)

• Broj neurona skrivenih slojeva(bira se za svaki sloj pojedinačno, celobrojna vrednost)

• Optimizacija(moguće vrednosti: Adam, Adadelta, Adagrad, Ftrl, Nadam, SDG, SDGMomentum, RMSProp)

• Funkcija obrade gubitka(vrednosti variraju u zavisnosti od tipa problema)

• Funkcije aktivacije skrivenih slojeva(vrednosti zavise o tipa problema i definišu se za svaki sloj pojedinačno)

• Funkcija aktivacije izlaznog sloja(izbor zavisi od tipa problema)

• Izbor metrika(ponuđeni izbor zavisi od tipa problema)

Treniranje modela Nakon izbora svih parametara, pruža se mogućnost treniranja modela.
Pregled rezultata treniranja Uzevši u obzir prethodno izabrane metrike, korisniku se prikazuju rezultati treniranja.

Predviđanja na osnovu postojećih treniranih modela Nakon treniranja modela, obavlja se njegovo čuvanje u H5 formatu. Samim tim, omogućena je ponovna upotreba sačuvanog modela i vrši se predikcija za novi set podataka.

Pokretanje aplikacije

Neophodne komponente

• .NET 6.0
• NodeJS
• MongoDB
• Python

Instalacija

• Za instalaciju zahtevanih datoteka potrebnih da bi se pokrenuo angular web sajt:

npm install -g @angular/cli
cd .\frontend\
npm install

• Za instalaciju .NET: Visual Studio Installer > (Izaberite vasu verziju Visual Studio editora) > Modify > ASP.NET and web development > Modify

Pokretanje programa

• Frontend

ng serve

• za pokretanje na drugom portu:

ng serve --port=80

• Backend api.sln - start without debugging

Autori

Danijel Anđelković

Ognjen Ćirković

Sonja Galović

Tamara Jerinić

Ivan Ljubisavljević

Nevena Bojović