Реализовать модель на языке Python в среде Jupyter Notebook с использованием библиотек Numpy, Matplotlib, Keras и Tensorflow. Используемая модель: многослойный персептрон. Порядок выполнения работы. Данная лабораторная работа выполняется в несколько этапов:

• Необходимо выбрать предметную область. Примеры типов предметных областей для классификации перечислены ниже.
• Написать программу, имитирующую работу многослойного персептрона с настраиваемым числом скрытых слоёв от 1 до 4 и провести обучение сети с использованием алгоритмов Adam , Adagrad , Adadelta, RMSProp , Nadam .
• Добавить слои дропаута и батч-нормализации, а также регуляризацию L2.
• Провести тестирование сети, обученной при помощи всех алгоритмов.
• Продемонстрировать работу многослойного персептрона преподавателю.
• Исследовать зависимость функции погрешности при обучении и классификации, а также метрику качества accuracy от уровня дропаута для всех алгоритмов.
• Исследовать зависимость функции погрешности при обучении и классификации, а также метрику качества accuracy от числа эпох обучения для всех алгоритмов.
• Исследовать зависимость функции погрешности при обучении и классификации а также метрику качества accuracy при наличии и отсутствии метода регуляризации L2 и батч-нормализации для всех алгоритмов.
• Построить графики функции погрешности при обучении и классификации а также метрики качества accuracy для всех исследований.
• Составить отчёт, который должен содержать постановку задачи, обучающие выборки, результаты исследований по пунктам 5-9 и сдать его преподавателю.

Примерные предметные области для самостоятельного выбора:

1. .mnist
2. fashion_mnist
3. cifar10
4. cifar/100

Есть пример данной лабораторной:https://colab.research.google.com/drive/1wSWrv_sfQ...