diff options
Diffstat (limited to 'README.md')
| -rw-r--r-- | README.md | 32 |
1 files changed, 16 insertions, 16 deletions
@@ -1,40 +1,40 @@ # 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. +Igrannonica je ASP.NET Core veb aplikacija za manipulaciju vetakim neuronskim mreama. Koristei aplikaciju, poetnicima iz oblasti vetakih neuronskih mrea se omoguava razumevanje samog koncepta preprocesiranja, treniranja i testiranja neuronskih mrea. S druge strane, ekspertima se prua manipulacija setovima podataka uz upotrebu brojnih parametara i mogunost istovremenog nadgledanja toka procesa. ## Opis projekta -###Izvršavanje eksperimenata -Izvršavanje eksperimenata je omogućeno prijavljenim korisnicima i sastoji se iz sledećih koraka: +###Izvršavanje eksperimenata +Izvravanje eksperimenata je omogueno prijavljenim korisnicima i sastoji se iz sledeih koraka: ####Izbor seta podataka -U navedenom koraku vrši se izbor seta podataka iz postojećih setova ili po potrebi korisnik može učitati željeni set podataka. +U navedenom koraku vri se izbor seta podataka iz postojeih setova ili po potrebi korisnik moe uitati eljeni set podataka. ####Pikaz izabranog seta podataka -Nakon izvršenog izbora seta podataka, korisniku se tabelarno prikazuju učitani podaci. +Nakon izvrenog izbora seta podataka, korisniku se tabelarno prikazuju uitani 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. +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 -Korisniku se pruža izbor parametara za treniranje mreže. Ponuđeni parametri treniranja su: +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) -*Broj neurona skrivenih slojeva(bira se za svaki sloj pojedinačno, celobrojna vrednost) -*Optimizacija(moguće vrednosti: Adam, Adadelta, Adagrad, Ftrl, Nadam, SDG, SDGMomentum, RMSProp) +*Broj neurona skrivenih slojeva(bira se za svaki sloj pojedinano, celobrojna vrednost) +*Optimizacija(mogue 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) +*Funkcije aktivacije skrivenih slojeva(vrednosti zavise o tipa problema i definiu se za svaki sloj pojedinano) *Funkcija aktivacije izlaznog sloja(izbor zavisi od tipa problema) -*Izbor metrika(ponuđeni izbor zavisi od tipa problema) +*Izbor metrika(ponueni izbor zavisi od tipa problema) ####Treniranje modela -Nakon izbora svih parametara, pruža se mogućnost treniranja modela. +Nakon izbora svih parametara, prua se mogunost treniranja modela. ####Pregled rezultata treniranja -Uzevši u obzir prethodno izabrane metrike, korisniku se prikazuju rezultati treniranja. +Uzevi 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. +####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. @@ -86,4 +86,4 @@ Tamara Jerinić Ivan Ljubisavljević -Nevena Bojović
\ No newline at end of file +Nevena Bojović |