Classifier - Simple Neural Network in C

Classifier é uma implementação educacional de uma rede neural Multi-Layer Perceptron (MLP) escrita em C11. O projeto utiliza a biblioteca GSL (GNU Scientific Library) para operações de álgebra linear, garantindo cálculos matriciais eficientes para a propagação de valores entre camadas.

Funcionalidades

• Estrutura Modular: Gerenciamento dinâmico de redes, camadas e neurônios.
• Álgebra Linear: Uso de gsl_matrix e gsl_blas para cálculos de feedforward.
• Função de Ativação: Implementação da função Sigmoid para normalização de outputs.
• Visualização: Impressão elegante da estrutura da rede, valores e pesos no terminal.
• Gerenciamento de Memória: Limpeza recursiva e segura de todos os recursos alocados.

Estrutura do Projeto

• main.c: Script de teste que inicializa a rede e executa a propagação.
• network.c: Implementação core da lógica da rede e cálculos matriciais.
• network.h: Definições de tipos (structs) e protótipos de funções.
• Makefile: Sistema de build automatizado.
• project_spec.md: Especificação técnica detalhada.

Pré-requisitos

Para compilar este projeto, você precisará de:

• GCC (ou qualquer compilador compatível com C11).
• GSL (GNU Scientific Library):
  • No Ubuntu/Debian: sudo apt-get install libgsl-dev
  • No macOS (Homebrew): brew install gsl

Como Usar

1. Compilar o projeto:

   make

2. Executar os testes:

   make run

3. Limpar arquivos temporários:

   make clean

4. Remover tudo (incluindo o executável):

   make fclean

Exemplo de Saída

Ao rodar o projeto, você verá uma representação visual da rede antes e depois do cálculo de propagação:

--- Neural Network Structure ---

[Layer 0] (Input)
  ○ Neuron 0: Value: 1.000
  ○ Neuron 1: Value: 0.500

[Layer 1] (Hidden)
  ○ Neuron 0: Value: 0.000
    └── Weights: [ 0.234, -0.412 ]
  ...

Roadmap de Desenvolvimento

• Implementação de Forward Propagation completo (várias camadas sequenciais).
• Adição de suporte para Backpropagation e treinamento.
• Implementação de Bias em cada neurônio.
• Suporte para diferentes funções de ativação (ReLU, Tanh).
• Carregamento/Salvamento de modelos a partir de arquivos JSON ou binários.