felipelelis / aiwithjs

Sequencia de mini projetos de Inteligência Artificial utilizando JavaScript (Em atualização)

AIWithJs

Sequencia de mini projetos de Inteligência Artificial utilizando JavaScript (Em atualização)

Lista de projetos

1. Redes Neurais Artificiais do Tipo Feedforward (Função de Aproximação).
   • Neurônio artificial, função somatória, gradiente descendente com método de descida do gradiente, inputs, outputs, valores de busca, taxa de erro, épocas de treinamento, função de ativação para formatação de resultados, pesos e sinapses artificiais.
2. Funções de Ativação (Formatação).
   • Cálculos da tangente hiperbólica, função sigmoide com resultado na curva sigmoidal, unidade linear retificada com e sem vazamento e passo binário.
3. Regressão Linear Simples.
   • Cálculos dos produtos de X por Y, quadrados de X, somatório de X, média de X, fórmula da regressão linear aplicada aos resultados, treinamento de máquina, predição, salvamento e carregamento de modelos pré-treinados e orientação a objetos no cálculo matemático.
4. Regressão Linear Multivariada.
   • Regressão linear multivariada com múltiplas entradas em uma única saída de informação.
5. Naive Bayes Probabilístico.
   • Eliminação de elementos duplicados, retorno de classes, contagem de textos coincidentes, organização de classes e entradas em objeto JSON, cálculo de frequência, contagem de classes, somatório de classes, cálculo total individual e geral, cálculo de ocorrência, aplicação do teorema de Bayes.
6. Naive Bayes Classificativo.
   • Adaptação do teorema de Bayes probabilístico para cálculo classificativo.
7. K-Nearest Neighbors (KNN).
   • Subtrações e quadrados dos eixos X e Y, soma dos quadrados, radiciação, treinamento e predição por grau de proximidade numérica.
8. Clusterização (Agrupamento de Dados) com K-Means.
   • Exportação de módulo, média dos eixos de X e Y para o grupo, cálculo dos centroides para X e Y, elemento mínimo, retorno de índice, comparação de arrays, atualização de grupo, formatação dos grupos como vetores de uma matriz e agrupamento final.
9. Aprendizado por Reforço.
   • Salvamento e leitura dos índices dos centroides por meio de feedbacks positivos e negativos.
10. Árvore de Decisão (Decision Tree)
    • Construtor de classe, proporção das classes para um determinado valor de eixo, proporção dividida pelo total, logaritmo na base 2 de uma divisão, produto da divisão pelo logaritmo, cálculo da multiplicação atual menos a posterior, ganho de informação, cálculo de entropia e predição classificativa.
11. Rede Neural Artificial com Arquitetura Perceptron Multicamadas (Multilayer Perceptron - MLP).
    • Transformando um feedforward em perceptron multicamadas com configurações de construção de rede. Bias, nós de entrada, interação e saída, atualização de pesos multiplicativos em matrizes, treinamento e execução de um multilayer perceptron.
12. Cálculos Estatísticos.
    • Elemento mínimo e máximo, soma, média, mediana, produto, quadrado, cubo, valor absoluto, variância padrão, variância com tendência, variância sem tendência, desvio padrão, desvio com tendência, desvio sem tendência, raiz quadrada, multiplicação convencional e matricial, subtração, transposição, seleção aleatória, adição, divisão, logaritmos, logaritmo na base 2, aproximação para baixo, aproximação padrão, aproximação para cima, expressão e filtro.

... (Atualizando)