Ce projet développe des implémentations de perceptrons et de réseaux de neurones multicouches (MLP) en Python et en nmigen, une bibliothèque de conception matérielle. L'objectif est de créer des modèles d'apprentissage automatique fonctionnels, de les entraîner sur des jeux de données comme MNIST, et de les déployer sur des FPGA pour une exécution matérielle. Les travaux incluent la reconnaissance de chiffres manuscrits et l'optimisation des poids des neurones pour une meilleure précision.

Projet académique réalisé dans le cadre d'un master en cosmologie. Il consiste à développer et comparer des réseaux de neurones (perceptron multicouches) pour classifier des images de chiffres manuscrits. Deux approches sont mises en œuvre : une implémentation manuelle avec des librairies Python standards (numpy, pandas, matplotlib) et une solution utilisant TensorFlow/Keras pour faciliter la construction et l'entraînement des modèles. Les résultats sont analysés et visualisés sous forme de figures.