Redes Neurais Profundas: MLP (Multilayer Perceptron)

Equipe

• Alunos: David O'Neil, Gabriel Orlow, José Ricardo, Murilo Álvares, Priscila Maia

Descrição

Este projeto implementa uma rede neural do tipo Multilayer Perceptron (MLP) para classificação de imagens usando o dataset Fashion MNIST. A implementação é feita do zero usando apenas NumPy, sem frameworks de deep learning.

Uso

Execute o script principal com:

python main.py

Parâmetros disponíveis

python main.py --hidden_size 128 --activation relu --learning_rate 0.01 --batch_size 32 --epochs 50

Parâmetros:

• --hidden_size: Número de neurônios na camada oculta
• --activation: Função de ativação (relu, sigmoid, tanh)
• --learning_rate: Taxa de aprendizado
• --momentum: Valor do momentum para otimização
• --batch_size: Tamanho do batch para treinamento
• --epochs: Número de épocas de treinamento
• --weight_init: Método de inicialização de pesos (he, xavier, random)
• --use_bias: Usar bias nas camadas (flag)

Métricas Implementadas

• Acurácia
• Perda (Cross-Entropy)
• Matriz de Confusão

Visualizações

O treinamento gera automaticamente gráficos de:

• Curva de perda
• Curva de acurácia
• Matriz de confusão