aboutsummaryrefslogtreecommitdiff
diff options
context:
space:
mode:
-rw-r--r--README.md16
1 files changed, 8 insertions, 8 deletions
diff --git a/README.md b/README.md
index c0b8a85a..d465be14 100644
--- a/README.md
+++ b/README.md
@@ -4,19 +4,19 @@ Igrannonica je ASP.NET Core veb aplikacija za manipulaciju vetakim neuronskim mr
## Opis projekta
-###Izvršavanje eksperimenata
+##Izvršavanje eksperimenata
Izvravanje eksperimenata je omogueno prijavljenim korisnicima i sastoji se iz sledeih koraka:
-####Izbor seta podataka
+##Izbor seta podataka
U navedenom koraku vri se izbor seta podataka iz postojeih setova ili po potrebi korisnik može učitati željeni set podataka.
-####Pikaz izabranog seta podataka
+##Pikaz izabranog seta podataka
Nakon izvrenog izbora seta podataka, korisniku se tabelarno prikazuju učitani podaci.
-####Preprocesiranje
+##Preprocesiranje
Preprocesiranje se sastoji iz koraka koji korisniku omoguavaju: izbor ulaznih kolona i izlazne kolone, uklanjanje greki, uklanjanje nedostajuih vrednosti, izbor tipa enkodiranja. Cilj navedenog koraka je uveanje kvaliteta samog seta podataka.
-####Izbor parametara treniranja
+##Izbor parametara treniranja
Korisniku se prua izbor parametara za treniranje mree. Ponueni parametri treniranja su:
*Tip problema(vrednosti mogu biti:regresioni, binarno-klasifikacioni, multi-klasifikacioni)
*Broj skrivenih slojeva(celobrojna vrednost)
@@ -27,13 +27,13 @@ Korisniku se prua izbor parametara za treniranje mree. Ponueni parametri trenira
*Funkcija aktivacije izlaznog sloja(izbor zavisi od tipa problema)
*Izbor metrika(ponueni izbor zavisi od tipa problema)
-####Treniranje modela
+##Treniranje modela
Nakon izbora svih parametara, prua se mogunost treniranja modela.
-####Pregled rezultata treniranja
+##Pregled rezultata treniranja
Uzevi u obzir prethodno izabrane metrike, korisniku se prikazuju rezultati treniranja.
-####Predvianja na osnovu postojeih treniranih modela
+##Predvianja na osnovu postojeih treniranih modela
Nakon treniranja modela, obavlja se njegovo uvanje u H5 formatu. Samim tim, omoguena je ponovna upotreba sauvanog modela i vri se predikcija za novi set podataka.