23-06-11

env.yaml 추가 - 가상환경 생성하기 간편하게 하기 위해 추가

readme.md

@@ -25,13 +25,19 @@ $$
 
 위치를 가장 최적값으로 변경하면 지역 최적값에서 벗어나지 못합니다. 따라서 전역 최적값을 찾을 수 없습니다.
 
+# 초기 세팅
+
+``` shell
+ conda env create -f env.yaml 
+```
+
 # 현재 진행 상황
 
 ## 1. PSO 알고리즘 구현
 
 ### 파일 구조
 
-```plain text
+``` plain text
 |-- metacode   # pso 기본 코드
 |  |-- pso_bp.py # 오차역전파 함수를 최적화하는 PSO 알고리즘 구현 - 성능이 99% 이상으로 나오나 목적과 다름
 |  |-- pso_meta.py # PSO 기본 알고리즘 구현
@@ -77,6 +83,7 @@ pso 알고리즘을 이용하여 오차역전파 함수를 최적화 하는 방
 ## 3. PSO 알고리즘을 이용하여 풀이한 문제들의 정확도
 
 ### 1. xor 문제
+
 ``` python
  loss = 'mean_squared_error'
 
@@ -103,10 +110,12 @@ pso 알고리즘을 이용하여 오차역전파 함수를 최적화 하는 방
     check_point=25
     )
 ```
+
 위의 파라미터 기준 40 세대 이후부터 정확도가 100%가 나오는 것을 확인하였습니다
 ![xor](./history_plt/xor_sigmoid_2_acc_40.png)
 
 2. iris 문제
+
 ``` python
 loss = 'categorical_crossentropy'
 
@@ -133,10 +142,12 @@ best_score = pso_iris.fit(
     check_point=25
     )
 ```
+
 위의 파라미터 기준 2 세대에 94%의 정확도를, 7 세대에 96%, 106 세대에 99.16%의 정확도를 보였습니다
 ![iris](./history_plt/iris_relu_acc_200.png)
 
 3. mnist 문제
+
 ``` python
 loss = 'mean_squared_error'
 
@@ -163,6 +174,7 @@ best_score = pso_mnist.fit(
     check_point=25
     )
 ```
+
 위의 파라미터 기준 현재 정확도 38%를 보이고 있습니다
 ![mnist](./history_plt/mnist_cnn_acc.png)