É possível 100% de acurácia?

Olá Wagner! Tudo bom com você?

Primeiro queria te parabenizar pela acurácia que você conseguiu, muito bom usar da criatividade e conhecimento para melhorar os resultados dos códigos mostrados em aula. Você mandou muito bem!

Em casos muito específicos é possível sim ter uma acurácia com 100%. Um exemplo desses casos é a construção das portas lógicas AND ou OR.

Conseguir uma acurácia proxima de 100% é bem mais fácil. Para conseguir isso, você pode seguir alguns métodos que melhoram a precisão da rede neural:

1. Banco de Dados: Buscar porr um banco de dados completo, organizado, cheio de parâmetros é importante para que o modelo aprenda melhor com várias opções de dados para aprendizado.

2. Pré-processamento de Dados: Essa etapa é muito importante de ser realizada antes do treinamento do modelo, pois ela vai preparar, organizar e estruturar os dados para que o modelo consiga aprender com uma facilidade maior. Algumas técnicas de pré-processamento de dados:

   (a) Limpeza de dados: a limpeza de dados tira parâmetros irrelevantes para o aprendizado ou ausentes, além de remover ruídos que possam prejudicar o treinamento.

   (b) Adaptação dos dados: essa parte ajusta os dados em valores mais adequados para a análise do modelo. Alguns métodos de adaptação incluem a normalização dos dados, que deixa todos os valores normalizados entre 0 e 1 ou -1 e 1; a discretização de dados, que transfere funções contínuas em valores discretos, adaptando o número de possíveis estados ou a hierarquização de dados, que coloca os atributos em níveis de hierarquia.

3. Ajuste de parâmetros: Aqui se inclui no que você já fez: alteração dos pesos. Além disso, nessa etapa pode ser feita a experimentação de diferentes valores para taxa de aprendizagem, variação da quantidade camadas ocultas e quantidade de neurônios, como também, pode ser feita a testagem outra função de ativação. Acredito que com o ajuste do seu modelo baseado nesses métodos a acurácia da sua rede pode aumentar, tudo depende dos testes e alterações que você for fazer.

No curso de Deep Learning: Previsão com Keras tem uma aula que explica melhor sobre pré-processamento de dados, caso tenha interesse em conhecer mais afundo. A título de curiosidade, caso queria ler sobre a construção de um perceptron de portas lógicas, tem um artigo no geeksforgeeks que aborda a implementação de um perceptron para porta OR. OBS: Infelizmente o artigo está em inglês, então, caso tenha dificuldade em relação a este idioma, indico que tente utilizar o tradutor do navegador, para conseguir efetuar a leitura em português, mas qualquer dúvida ou dificuldade estarei à disposição.

Eu espero ter te ajudado! Qualquer outra dúvida estarei disposta a sanar ;-)

Bons estudos!