Выбрать любую задачу классификации (например, распознавать фото кошки, собаки или человека) и 4 набора данных:

• По одному целевому объекту в экземпляре данных (фото кошки, фото собаки, фото человека)
• С вхождениями однотипных объектов (фото кошка+кошка, собака+собака)
• Смешанные данные (фото кошка+собака, фото собака+человек)
• Неопределяемые (фото машины, дорожного знака)

Можно взять задачу бинарной классификации (кошка: да/нет).
Необходимо:

1. С помощью готовой нейросети (перцептрон, min 4 слоя) решить задачу классификации.
2. Оценить нейросеть - вывести таблицу точности на разных наборах данных (точность поклассовая и общая), параметризация (сколько слоев оптимально для этой задачи), какие ошибки допускает сеть? (например, узнает людей, но путает котов и собак, или не работает, когда на одном фото два кота).
3. Обучить нейросеть двумя способами: с помощью обратного распространения ошибки и с помощью генетического алгоритма (нейрон = особь, выбирать лучших). Сравнить результаты.