Deep Feedforward Neural Network for Digit Recognition

تصنيف الأرقام المكتوبة يدويًا باستخدام شبكة عصبية عميقة (Deep Feedforward Neural Network)

لقد قمت بتطوير مشروع تصنيف الأرقام المكتوبة يدويًا باستخدام الشبكات العصبية العميقة (Deep Feedforward Neural Network - DFNN) على قاعدة بيانات MNIST الشهيرة. المشروع يشمل بناء وتدريب نموذج باستخدام TensorFlow/Keras مع تقنيات مثل mini-batch Stochastic Gradient Descent (SGD)، وتطبيق dropout وL2 regularization لتقليل الـ overfitting. تم تهيئة النموذج من خلال hyperparameter tuning لتحديد أفضل الإعدادات (عدد الطبقات، عدد الخلايا العصبية، معدل التعلم، وحجم الدفعة)، مما أدى إلى تحقيق دقة اختبار تصل إلى 97.20%.

يتضمن المشروع أيضًا تقييم الأداء باستخدام confusion matrix وclassification report، مع رسوم بيانية توضح منحنيات الدقة والخسارة (accuracy/loss curves). تم اختبار النموذج على صور مخصصة للأرقام المكتوبة يدويًا، وتم حفظ النموذج بصيغة .h5 لاستخدامه لاحقًا. المشروع مصحوب بتقرير تحليلي يوضح النتائج والتحديات مثل حساسية SGD لمعدل التعلم، مع اقتراحات لتحسينات مستقبلية مثل استخدام Convolutional Neural Networks (CNNs).

هذا المشروع يعكس خبرتي في مجال التعلم العميق وتحليل البيانات، ويمكنني تطبيق هذه المهارات لتلبية احتياجاتكم في مشاريع مشابهة.