سلام! به پروژه‌ی BlossomNet خوش اومدی، جایی که یه شبکه عصبی از صفر با استفاده از دیتاست معروف آیریس ساخته شده.
دیتاست آیریس شامل ۱۵۰ نمونه از ۳ نوع مختلف گل آیریسه:
- 🌷 ستوسا
- 🌼 ورسی‌کالر
- 🌺 ویرجینیکا
هر نمونه شامل ۴ ویژگیه: طول و عرض کاسبرگ و گلبرگ.
هدف این پروژه اینه که با یه شبکه عصبی مصنوعی (ANN) ساده و بدون استفاده از کتابخونه‌های آماده، انواع گل‌های آیریس رو به درستی تشخیص بدیم. همه چی از صفر، با محاسبات دستی و مرحله به مرحله!
- پیاده‌سازی کامل یه ANN از صفر
- استفاده از روش‌های پیش‌پردازش مثل نرمال‌سازی دیتا
- شبکه شامل ۴ نورون در لایه ورودی، ۱ لایه مخفی با ۵ نورون و ۳ نورون در لایه خروجی برای پیش‌بینی کلاس‌های گل
- پیاده‌سازی پس‌انتشار (Backpropagation) دستی
- نمایش Loss بعد از هر epoch برای بررسی پیشرفت
- ساخت یه شبکه عصبی بدون استفاده از کتابخونه‌های مثل TensorFlow یا PyTorch
- آشنایی با الگوریتم پس‌انتشار
- مدیریت داده‌ها، نرمال‌سازی و استفاده بهینه از ویژگی‌ها
کافیه کد رو توی Google Colab یا هر محیط پایتون دیگه‌ای اجرا کنی. دیتاست هم به صورت پیش‌فرض آماده‌ست. فقط کافیه این دستورات رو بزن:
git clone https://github.com/username/BlossomNet.git
cd BlossomNet
python3 train.pyاگه همه چی درست پیش بره، مدل ما یاد می‌گیره که گل‌های آیریس رو به درستی دسته‌بندی کنه. یه چالش جذاب برای درک بهتر از شبکه‌های عصبی!