🧠 Neural Network from Scratch

Edukacyjny projekt implementujący sieć neuronową od podstaw w czystej Javie. Całość została zbudowana bez użycia żadnych bibliotek do uczenia maszynowego - tylko czysta matematyka i implementacja algorytmów od zera. Projekt wykorzystuje dataset MNIST do rozpoznawania odręcznie pisanych cyfr.

✨ Funkcjonalność

Implementacja od podstaw

Wszystkie komponenty sieci neuronowej zostały zaimplementowane manualnie:

• Własne klasy matematyczne (Vector, Matrix) z operacjami macierzowymi
• Warstwy fully connected z forward i backward propagation
• Neurony z konfigurowalnymi wagami i biasami

Funkcje aktywacji

Projekt zawiera implementacje popularnych funkcji aktywacji:

• ReLU (Rectified Linear Unit)
• Sigmoid
• SoftMax

Mechanizm uczenia

Pełna implementacja backpropagation z:

• Obliczaniem gradientów dla warstw ukrytych i wyjściowych
• Aktualizacją wag na podstawie learning rate
• Funkcjami kosztu (Square Cost)

Rozpoznawanie cyfr MNIST

Praktyczne zastosowanie sieci do klasyfikacji obrazów:

• Wczytywanie i przetwarzanie datasetu MNIST (28x28 pikseli)
• Trening na zbiorze treningowym
• Walidacja dokładności na zbiorze testowym
• Mierzenie sukcesu klasyfikacji po każdej epoce