Proiect Retele neuronale artificiale

Obiectivul principal al acestui proiect este acela de a reusi sa aplicati pe o baza de date noua
ceea ce am invatat in modulele de RNA ale laboratorului de Inteligenta artificiala.
Pasul 1. Fiecare student isi alege o baza de date. Se poate alege orice set de date pe care sa se
poata aplica algoritmi de tip deep learning.
Recomandare: site-ul Universitatii California Irvine, Machine Learning Repository
(http://archive.ics.uci.edu/ml/index.php). Cateva sugestii de baze de date care se potrivesc
aplicatiilor de tip deep learning:
• Abalone Data Set
• Liver Disorders Data Set (BUPA)
• Covertype Data Set
• Credit Approval Data Set (CRX)
• Ecoli Data Set
• Forest Fires Data Set
• Glass Identification Data Set
• Heart Disease Data Set
• Hepatitis Data Set
• Horse Colic Data Set
• Housing Data Set
• Pima Indians Diabetes Data Set
• Soybean (Large) Data Set
• Wine Data Set
Pasul 2. Proiectarea modelului retelei neuronale artificiale:
• Alegerea unui camp ca variabila dependenta;
• Stabilirea tipului de model: de regresie sau de clasificare;
• Stabilirea modului de utilizare a bazei de date (crearea seturilor de date de
antrenare/validare, utilizarea metodei k fold cross validation etc);
• Stabilirea arhitecturii retelei neuronale;
• Stabilirea parametrului/parametrilor statistici de evaluare a modelului;
• Crearea unui grafic ce evidentiaza valorile reale langa cele prezise de model.

Proiectul va fi insotit de un document Word ce contine:

1. Descrierea problemei
2. Descrierea bazei de date (sursa, descrierea parametrilor, unitatea de masura a lor,
intervalele in care se gasesc valorile numerice / multimea de valori pentru variabilele
nominale, numarul de inregistrari din baza de date, daca este cazul perioada de timp –
masuratori orare/zilnice/anuale etc)
3. Care este variabila dependenta? Care sunt varibilele independente?
4. Detalii privind prelucrarea initiala a bazei de date (Sunt valori lipsa? Cum ati procedat
in prelucrarea acestora? Ati eliminat vreun camp? Etc.)
5. Mentionati alte dificultati/ provocari pe care le-ati intampinat in prelucrarea preliminara
a bazei de date
6. Justificarea tipului modelului: de ce este de regresie? De ce este de clasificare?
7. Ce parametru/parametri statistici ati ales pentru evaluarea modelului?
8. Tabel centralizator in care se prezinta rezultatele experimentale pentru determinarea
unei arhitecturi potrivite ale retelei neuronale artificiale.
Pentru fiecare experiment se va specifica:
• Numele /tipul retelei;
• Numarul de straturi ascunse;
• Numarul de noduri de pe fiecare strat ascuns;
• Numarul de epoci;
• Valoarea statisticii utilizate pentru comparare a erorii ;
• Alte elemente care sunt considerate importante (optional).
9. Codul sursa cu arhitectura finala (dupa efectuarea testelor).
10. Concluziile finale – se va stabili, pe baza parametrilor statistici alesi, ce arhitectura de
retea neuronala artificiala si ce parametri de antrenare/validare/testare sunt cei mai
potriviti pentru aceasta problema. Justificati.