Character recognition using convolutional neural networks

Ovaj rad započinjemo opisivanjem osnovnih principa strojnog učenja, umjetnih neuronskih mreža te konvolucijskih neuronskih mreža. Nakon toga implementiramo vlastitu programsku izvedbu konvolucijskih neuronskih mreža za prepoznavanje znakova iz MNIST baze podataka korištenjem Keras biblioteke. Gradimo i treniramo osnovni model te za njega stvaramo grafove gubitka i točnosti kroz epohe treniranja. Taj osnovni model zatim evaluiramo. Mijenjanjem broja slojeva i broja filtera po sloju stvaramo nove modele. Nove modele uspoređujemo stvaranjem njihovih grafova točnosti kroz epohe treniranja. Najbolje modele evaluiramo.This thesis starts with description of the basic principles of machine learning, artificial neural networks and convolutional neural networks. After that we implement our own convolutional neural network for recognizing characters from the MNIST database by using the Keras library. We build and train a basic model and create loss and accuracy graphs through training epochs for it. We then evaluate that basic model. By changing the number of layers and the number of filters per layer we create new models. We compare the new models by creating their accuracy graphs through training epochs. We evaluate the best models