手寫辨識系統

使用原生JavaScript (Without AI Framework)實作MLP，並將MNIST資料集讀入之後作訓練，且搭配p5.js供使用者可以在網頁中寫上數字，以及利用CSS視覺化成果。

使用技術

專案介紹

「手寫辨識系統」是我在 2023 下學期「機器學習」課程中的期中專題，基於 多層感知器（MLP） 的概念，以原生 JavaScript（未使用任何 AI 框架）實作神經網路模型。前端部分則結合 HTML、CSS、JavaScript 進行視覺化呈現，並利用 p5.js 建立可供使用者書寫數字的畫布。系統會透過 p5.js 提供的工具對使用者書寫的內容進行擷取與處理，進一步切割成符合輸入格式的資料，最後透過自建的神經網路模型進行預測，輸出一個長度為 10 的陣列，代表對 0～9 各數字的預測信心分數。

除此之外，為了能在不使用任何AI框架的情況下實作多層神經網路（MLP），也研讀了許多關於MLP的文獻，才能加以了解MLP中最重要的「前向傳遞 (feed forward)」、「反向傳遞(Backward propagation)」，以及理解其中所使用的數學工具，諸如微積分中的chain rule、偏導數，或是sigmoid函數與轉置矩陣等概念。