def derivadaElementosMatriz(self, camada):
matriz = Matriz(camada.linhas, camada.colunas)
for i in range(matriz.linhas):
for j in range(matriz.colunas):
matriz.matriz[i][j] = self.derivadaSigmoide(
camada.matriz[i][j])
return matriz
def predict(self, entrada):
# Retorna saida basiado na entrada
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma = Matriz.array(soma)
soma[0] -= self.bias
saida = Hebb(soma[0])
return saida
def treino(self, entrada, saida):
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma.data[0][0] -= self.bias
erro = saida - soma.data[0][0]
delta = erro * self.taxa
self.bias = delta * -1
delta = Matriz.mult_escalar(entrada, delta)
self.pesos = Matriz.soma(self.pesos, delta)
def EQM(self, padroes, entrada, saida):
eqm = 0
x = 0
pesos_t = Matriz.transposta(self.pesos)
for i in entrada:
i = Matriz.matrizLinha(i)
u = Matriz.mult(i, pesos_t)
u = u.data[0][0] - self.bias
erro = saida[x] - u
x += 1
eqm += erro**2
eqm = eqm / padroes
return eqm
eqm = soma / padroes
return eqm
class TestInstanciarMatriz(unittest.TestCase):
def setUp(self):
self.matriz = Matriz(ordem=3)
def test_matriz_ordem_3(self):
self.matriz.representacao_matriz |should| equal_to([[],[],[]])
def test_matriz_preenchida(self):
self.matriz.set_matriz(a11=3, a12=1, a13=0,
a21=0, a22=2, a23=-1,
a31=0, a32=0, a33=3) \
|should| equal_to([[3, 1, 0],
[0, 2,-1],
[0, 0, 3]])
def test_termo_independente(self):
self.matriz.termo_independente(b1=4, b2=2, b3=0) |should| equal_to([4,2,0])
def predict(self, entrada):
# Entrada -> Oculta
entrada = Matriz.matriz(entrada)
oculta = Matriz.mult(self.pesos_EO, entrada)
oculta = Matriz.soma(oculta, self.bias_EO)
oculta = Matriz.sigmoid(oculta)
# Oculta -> Saida
saida = Matriz.mult(self.pesos_OS, oculta)
saida = Matriz.soma(saida, self.bias_OS)
saida = Matriz.sigmoid(saida)
saida = Matriz.array(saida)
return saida
def feedfoward(self, lista):
entrada = Matriz.array2object(lista)
""" CAMADA DE ENTRADA PARA CAMADA OCULTA"""
#print("\n------ CAMADA ENTRADA => CAMADA OCULTA -----")
camada_oculta = Matriz.multiplicaDuasMatriz(self.pesos_entrada_oculta,
entrada)
camada_oculta = Matriz.somarDuasMatriz(camada_oculta,
self.bias_entrada_oculta)
camada_oculta.aplicarSigmoid()
#camada_oculta.printMatriz()
""" CAMADA OCULTA PARA CAMADA DE SAIDA"""
#print("\n------CAMADA OCULTA -> CAMADA SAIDA-----")
camada_saida = Matriz.multiplicaDuasMatriz(self.pesos_oculta_saida,
camada_oculta)
camada_saida = Matriz.somarDuasMatriz(camada_saida,
self.bias_oculta_saida)
camada_saida.aplicarSigmoid()
#camada_saida.printMatriz()
return camada_saida
class IndVoto: '''a classe IndVoto, representa o voto de um único individuo, representado por playerId ''' curVoto = Matriz() #tabuleiro CURrent (atual) para o qual o jogador esta jogando playerId = -1 #identificador do jogador voto = PosPiece(-1, -1, -1, -1) #identifica o voto propriamente dito, ou seja, o lugar e a peça onde será votado. def __init__(self, _playerId, _x, _y, _piece, _pos): self.curVoto = Matriz() self.playerId = _playerId self.voto = PosPiece(_x, _y, _piece, _pos) def equal(self, v): return v.voto.equal(self.voto) and self.curVoto.equal(v.curVoto)
def __init__(self, neoEnt, neoOcul, neoSai):
self.neoEnt = neoEnt
self.neoOcul = neoOcul
self.neoSai = neoSai
self.bias_EO = Matriz(neoOcul, 1)
self.bias_EO.valor(1)
self.bias_OS = Matriz(neoSai, 1)
self.bias_OS.valor(1)
self.pesos_EO = Matriz(neoOcul, neoEnt)
self.pesos_OS = Matriz(neoSai, neoOcul)
self.taxa_aprendizado = 0.2
def __init__(self, nos_entrada, nos_oculto, nos_saida, learning_rate):
self.nos_entrada = nos_entrada
self.nos_oculto = nos_oculto
self.nos_saida = nos_saida
self.learning_rate = learning_rate
print("\n------bias entrada para oculta---")
self.bias_entrada_oculta = Matriz(self.nos_oculto, 1)
self.bias_entrada_oculta.printMatriz()
print("\n------bias oculta para saida---")
self.bias_oculta_saida = Matriz(self.nos_saida, 1)
self.bias_oculta_saida.printMatriz()
print("\n------pesos entrada para oculta---")
self.pesos_entrada_oculta = Matriz(self.nos_oculto, self.nos_entrada)
self.pesos_entrada_oculta.printMatriz()
print("\n------pesos da oculta para a saida-----")
self.pesos_oculta_saida = Matriz(self.nos_saida, self.nos_oculto)
self.pesos_oculta_saida.printMatriz()
def treino(self, entrada, saidaFinal):
# Verificando Resultado
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma = Matriz.array(soma)
soma[0] -= self.bias
saida = Hebb(soma[0])
erro = False
# Atualizando Pesos
if (saida != saidaFinal):
taxaErro = saidaFinal - saida
delta = Matriz.mult_escalar(entrada, self.taxa * taxaErro)
self.pesos = Matriz.soma(delta, self.pesos)
self.bias += (taxaErro * self.taxa * -1)
erro = True
return erro
class pruebas():
habitaciones = listaSimple()
calendario = Matriz()
fecha = NodoMtx()
pagos = AVL()
bitacora = ArbolB()
while (True):
print "***Menu***"
print "***1.- Insertar Habitacion***"
print "***2.- Insertar Reservacion***"
print "***3.- Insertar En AVL***"
print "***4.- Eliminar***"
print "***5.- Salir***"
try:
opcion = input("Elija Opcion: ")
if opcion == 1:
hab = raw_input("Habitacion: ")
piso = raw_input("Piso: ")
habitaciones.Add(hab, piso)
if opcion == 2:
Anho = "2017"
Mes = "11"
Dia = "19"
codigo = "218"
Extras = "3"
usuario = "tato"
calendario.CrearDiaMtx(Anho, Mes, Dia)
fecha = calendario.BuscarDia(Anho, Mes, Dia)
Reservacion = fecha.getTablaHash()
Reservacion.AddNode(codigo, usuario, Extras)
habitaciones.ModificarEstadoAOcupada(codigo)
graficaMatriz = calendario.graficar()
print graficaMatriz
#arch = cola.Graficar()
if opcion == 3:
usuario = "tato"
tarjeta = "29"
tarjeta1 = "35"
tarjeta2 = "02"
tarjeta3 = "33"
tarjeta4 = "05"
tarjeta5 = "16"
tarjeta6 = "19"
tarjeta7 = "38"
tarjeta8 = "17"
tarjeta9 = "25"
tarjeta10 = "20"
tarjeta11 = "27"
"""
tarjeta = "12345"
tarjeta1 = "12349"
tarjeta2 = "11345"
tarjeta3 = "10041"
tarjeta4 = "10002"
tarjeta5 = "23548"
tarjeta6 = "24555"
"""
precio = "1500"
pagos.agregar(tarjeta, usuario, precio)
pagos.agregar(tarjeta1, usuario, precio)
pagos.agregar(tarjeta2, usuario, precio)
pagos.agregar(tarjeta3, usuario, precio)
pagos.agregar(tarjeta4, usuario, precio)
pagos.agregar(tarjeta5, usuario, precio)
pagos.agregar(tarjeta6, usuario, precio)
pagos.agregar(tarjeta7, usuario, precio)
pagos.agregar(tarjeta8, usuario, precio)
pagos.agregar(tarjeta9, usuario, precio)
pagos.agregar(tarjeta10, usuario, precio)
pagos.agregar(tarjeta11, usuario, precio)
graficaavl = pagos.graficar()
print graficaavl
if opcion == 4:
usuario = "tato"
total = "1700"
tarjeta = "12345"
fechaOc = ""
bitacora.crearNodoInsertar(31122017, "marco", "218", total,
tarjeta, "31122017")
bitacora.crearNodoInsertar(30042016, usuario, "320", total,
tarjeta, "30042016", "03052016")
bitacora.crearNodoInsertar(29032018, "juan", "135", total,
tarjeta, "29032018")
bitacora.crearNodoInsertar(28022017, usuario, "450", total,
tarjeta, "28022017", "05022017")
bitacora.crearNodoInsertar(15092019, usuario, "862", total,
tarjeta, "15092019")
graficaAB = bitacora.graficar()
print graficaAB
if opcion == 5:
grafica = calendario.graficar()
print grafica
if opcion == 6:
cadena = bitacora.BuscarNodo("tato")
print cadena
except:
print "Ocurrio un Error"
def backpropagation(self, entrada, esperado):
"""transformando a entrada em matriz"""
entrada = Matriz.array2object(entrada)
"""feedfoward"""
""" CAMADA DE ENTRADA PARA CAMADA OCULTA"""
print("\n------ CAMADA ENTRADA => CAMADA OCULTA -----")
camada_oculta = Matriz.multiplicaDuasMatriz(self.pesos_entrada_oculta,
entrada)
camada_oculta = Matriz.somarDuasMatriz(camada_oculta,
self.bias_entrada_oculta)
camada_oculta.aplicarSigmoid()
camada_oculta.printMatriz()
""" CAMADA OCULTA PARA CAMADA DE SAIDA"""
print("\n------CAMADA OCULTA -> CAMADA SAIDA-----")
camada_saida = Matriz.multiplicaDuasMatriz(self.pesos_oculta_saida,
camada_oculta)
camada_saida = Matriz.somarDuasMatriz(camada_saida,
self.bias_oculta_saida)
camada_saida.aplicarSigmoid()
camada_saida.printMatriz()
"""backpropagation"""
esperado = Matriz.array2object(esperado)
"""SAIDA P/ OCULTA"""
"""calculo do erro"""
erro_de_saida = Matriz.subtrairMatriz(esperado, camada_saida)
#erro_de_saida.printMatriz()
derivada_da_saida = self.derivadaElementosMatriz(camada_saida)
#derivada_da_saida.printMatriz()
"""multiplicacao hadamard"""
gradiente = Matriz.hadamard(erro_de_saida, derivada_da_saida)
#gradiente.printMatriz()
"""aplicando learning_rate"""
gradiente = Matriz.produtoEscalar(gradiente, self.learning_rate)
"""AJUSTAR BIA"""
self.bias_oculta_saida = Matriz.somarDuasMatriz(
self.bias_oculta_saida, gradiente)
"""multiplicando pela camada oculta transposta"""
oculta_transposta = Matriz.transporMatriz(camada_oculta)
gradiente = Matriz.multiplicaDuasMatriz(gradiente, oculta_transposta)
#gradiente.printMatriz()
self.pesos_oculta_saida = Matriz.somarDuasMatriz(
self.pesos_oculta_saida, gradiente)
""""""
"""CAMADA OCULTA P/ ENTRADA """
peso_oculta_saida_transposta = Matriz.transporMatriz(
self.pesos_oculta_saida)
erro_oculta = Matriz.multiplicaDuasMatriz(peso_oculta_saida_transposta,
erro_de_saida)
#erro_oculta.printMatriz()
"""aplicando derivada camada oculta"""
derivada_camada_oculta = self.derivadaElementosMatriz(camada_oculta)
entrada_transposta = Matriz.transporMatriz(entrada)
gradiente_oculta = Matriz.hadamard(erro_oculta, derivada_camada_oculta)
gradiente_oculta = Matriz.produtoEscalar(gradiente_oculta,
self.learning_rate)
"""AJUSTAR BIA"""
self.bias_entrada_oculta = Matriz.somarDuasMatriz(
self.bias_entrada_oculta, gradiente_oculta)
gradiente_oculta = Matriz.multiplicaDuasMatriz(gradiente_oculta,
entrada_transposta)
self.pesos_entrada_oculta = Matriz.somarDuasMatriz(
self.pesos_entrada_oculta, gradiente_oculta)
class NeuralNetwork(object):
def __init__(self, nos_entrada, nos_oculto, nos_saida, learning_rate):
self.nos_entrada = nos_entrada
self.nos_oculto = nos_oculto
self.nos_saida = nos_saida
self.learning_rate = learning_rate
print("\n------bias entrada para oculta---")
self.bias_entrada_oculta = Matriz(self.nos_oculto, 1)
self.bias_entrada_oculta.printMatriz()
print("\n------bias oculta para saida---")
self.bias_oculta_saida = Matriz(self.nos_saida, 1)
self.bias_oculta_saida.printMatriz()
print("\n------pesos entrada para oculta---")
self.pesos_entrada_oculta = Matriz(self.nos_oculto, self.nos_entrada)
self.pesos_entrada_oculta.printMatriz()
print("\n------pesos da oculta para a saida-----")
self.pesos_oculta_saida = Matriz(self.nos_saida, self.nos_oculto)
self.pesos_oculta_saida.printMatriz()
def feedfoward(self, lista):
entrada = Matriz.array2object(lista)
""" CAMADA DE ENTRADA PARA CAMADA OCULTA"""
#print("\n------ CAMADA ENTRADA => CAMADA OCULTA -----")
camada_oculta = Matriz.multiplicaDuasMatriz(self.pesos_entrada_oculta,
entrada)
camada_oculta = Matriz.somarDuasMatriz(camada_oculta,
self.bias_entrada_oculta)
camada_oculta.aplicarSigmoid()
#camada_oculta.printMatriz()
""" CAMADA OCULTA PARA CAMADA DE SAIDA"""
#print("\n------CAMADA OCULTA -> CAMADA SAIDA-----")
camada_saida = Matriz.multiplicaDuasMatriz(self.pesos_oculta_saida,
camada_oculta)
camada_saida = Matriz.somarDuasMatriz(camada_saida,
self.bias_oculta_saida)
camada_saida.aplicarSigmoid()
#camada_saida.printMatriz()
return camada_saida
def backpropagation(self, entrada, esperado):
"""transformando a entrada em matriz"""
entrada = Matriz.array2object(entrada)
"""feedfoward"""
""" CAMADA DE ENTRADA PARA CAMADA OCULTA"""
print("\n------ CAMADA ENTRADA => CAMADA OCULTA -----")
camada_oculta = Matriz.multiplicaDuasMatriz(self.pesos_entrada_oculta,
entrada)
camada_oculta = Matriz.somarDuasMatriz(camada_oculta,
self.bias_entrada_oculta)
camada_oculta.aplicarSigmoid()
camada_oculta.printMatriz()
""" CAMADA OCULTA PARA CAMADA DE SAIDA"""
print("\n------CAMADA OCULTA -> CAMADA SAIDA-----")
camada_saida = Matriz.multiplicaDuasMatriz(self.pesos_oculta_saida,
camada_oculta)
camada_saida = Matriz.somarDuasMatriz(camada_saida,
self.bias_oculta_saida)
camada_saida.aplicarSigmoid()
camada_saida.printMatriz()
"""backpropagation"""
esperado = Matriz.array2object(esperado)
"""SAIDA P/ OCULTA"""
"""calculo do erro"""
erro_de_saida = Matriz.subtrairMatriz(esperado, camada_saida)
#erro_de_saida.printMatriz()
derivada_da_saida = self.derivadaElementosMatriz(camada_saida)
#derivada_da_saida.printMatriz()
"""multiplicacao hadamard"""
gradiente = Matriz.hadamard(erro_de_saida, derivada_da_saida)
#gradiente.printMatriz()
"""aplicando learning_rate"""
gradiente = Matriz.produtoEscalar(gradiente, self.learning_rate)
"""AJUSTAR BIA"""
self.bias_oculta_saida = Matriz.somarDuasMatriz(
self.bias_oculta_saida, gradiente)
"""multiplicando pela camada oculta transposta"""
oculta_transposta = Matriz.transporMatriz(camada_oculta)
gradiente = Matriz.multiplicaDuasMatriz(gradiente, oculta_transposta)
#gradiente.printMatriz()
self.pesos_oculta_saida = Matriz.somarDuasMatriz(
self.pesos_oculta_saida, gradiente)
""""""
"""CAMADA OCULTA P/ ENTRADA """
peso_oculta_saida_transposta = Matriz.transporMatriz(
self.pesos_oculta_saida)
erro_oculta = Matriz.multiplicaDuasMatriz(peso_oculta_saida_transposta,
erro_de_saida)
#erro_oculta.printMatriz()
"""aplicando derivada camada oculta"""
derivada_camada_oculta = self.derivadaElementosMatriz(camada_oculta)
entrada_transposta = Matriz.transporMatriz(entrada)
gradiente_oculta = Matriz.hadamard(erro_oculta, derivada_camada_oculta)
gradiente_oculta = Matriz.produtoEscalar(gradiente_oculta,
self.learning_rate)
"""AJUSTAR BIA"""
self.bias_entrada_oculta = Matriz.somarDuasMatriz(
self.bias_entrada_oculta, gradiente_oculta)
gradiente_oculta = Matriz.multiplicaDuasMatriz(gradiente_oculta,
entrada_transposta)
self.pesos_entrada_oculta = Matriz.somarDuasMatriz(
self.pesos_entrada_oculta, gradiente_oculta)
"""derivada sigmoid = sigmoid * (1 - sigmoid) """
def derivadaSigmoide(self, x):
return x * (1 - x)
"""aplicando derivada em toda matriz"""
def derivadaElementosMatriz(self, camada):
matriz = Matriz(camada.linhas, camada.colunas)
for i in range(matriz.linhas):
for j in range(matriz.colunas):
matriz.matriz[i][j] = self.derivadaSigmoide(
camada.matriz[i][j])
return matriz
def __init__(self, _playerId, _x, _y, _piece, _pos): self.curVoto = Matriz() self.playerId = _playerId self.voto = PosPiece(_x, _y, _piece, _pos)
def test_matriz_1x2(self):
matriz = Matriz()
esperado = 0
resposta = matriz.matrix()[1][2]
self.assertEqual(resposta, esperado)
def criar_matriz(self, dimensao):
""" Cria uma matriz """
#self._matriz = Matriz().aleatoria(dimensao)
self._matriz = Matriz().ler_fixa()
def __init__(self, neuronios):
self.neuronios = neuronios
self.pesos = Matriz(1, neuronios)
self.bias = random()
self.taxa = 0.0025
self.precisao = 0.0000001
from matriz import Matriz
if __name__ == "__main__":
a = Matriz(2, 2)
for i in range(a.linhas):
for j in range(a.colunas):
a[i][j] = i
print(a.matriz)
import os
import json
import time
from matriz import Matriz
from sonido import Sonido
from temperatura import Temperatura
matriz = Matriz()
sonido = Sonido()
temperatura = Temperatura()
def acciones():
print ("Sonido Detectado!")
temp_data = temperatura.datos_sensor()
temp_formateada = 'Temperatura = {0:0.1f}°C Humedad = {1:0.1f}%'.format(temp_data['temperatura'], temp_data['humedad'])
matriz.mostrar_mensaje(temp_formateada, delay=0.08, font=2)
def leer_temp():
info_temperatura = temperatura.datos_sensor()
info_temperatura.update({"fecha": str(time.asctime(time.localtime(time.time())))})
return info_temperatura
def guardar_temp(info):
with open(os.path.join("archivos_texto", "ultimo_log_temperatura.json"), "r") as log_file:
try:
lista_de_temperaturas = json.load(log_file)
except Exception:
# En caso de que el json no sea una lista
lista_de_temperaturas = []
lista_de_temperaturas.append(info)
with open(os.path.join("archivos_texto", "ultimo_log_temperatura.json"), "w") as log_file:
class RedeNeural:
def __init__(self, neoEnt, neoOcul, neoSai):
self.neoEnt = neoEnt
self.neoOcul = neoOcul
self.neoSai = neoSai
self.bias_EO = Matriz(neoOcul, 1)
self.bias_EO.valor(1)
self.bias_OS = Matriz(neoSai, 1)
self.bias_OS.valor(1)
self.pesos_EO = Matriz(neoOcul, neoEnt)
self.pesos_OS = Matriz(neoSai, neoOcul)
self.taxa_aprendizado = 0.2
def treino(self, entrada, saidaFinal):
# Entrada -> Oculta
entrada = Matriz.matriz(entrada)
oculta = Matriz.mult(self.pesos_EO, entrada)
oculta = Matriz.soma(oculta, self.bias_EO)
oculta = Matriz.sigmoid(oculta)
# Oculta -> Saida
saida = Matriz.mult(self.pesos_OS, oculta)
saida = Matriz.soma(saida, self.bias_OS)
saida = Matriz.sigmoid(saida)
#BACKPROPAGATION
#Saida -> Oculta
saidaFinal = Matriz.matriz(saidaFinal)
saida_error = Matriz.sub(saidaFinal, saida)
deriv_saida = Matriz.derivadaSigmoid(saida)
oculta_t = Matriz.transposta(oculta)
gradient_OS = Matriz.hadamard(deriv_saida, saida_error)
gradient_OS = Matriz.mult_escalar(gradient_OS, self.taxa_aprendizado)
delta_pesos_OS = Matriz.mult(gradient_OS, oculta_t)
#Oculta -> Entrada
pesos_OS_t = Matriz.transposta(self.pesos_OS)
oculta_error = Matriz.mult(pesos_OS_t, saida_error)
deriv_oculta = Matriz.derivadaSigmoid(oculta)
entrada_t = Matriz.transposta(entrada)
gradient_EO = Matriz.hadamard(deriv_oculta, oculta_error)
gradient_EO = Matriz.mult_escalar(gradient_EO, self.taxa_aprendizado)
delta_pesos_EO = Matriz.mult(gradient_EO, entrada_t)
#Atualizando Pesos
self.pesos_OS = Matriz.soma(self.pesos_OS, delta_pesos_OS)
self.pesos_EO = Matriz.soma(self.pesos_EO, delta_pesos_EO)
def predict(self, entrada):
# Entrada -> Oculta
entrada = Matriz.matriz(entrada)
oculta = Matriz.mult(self.pesos_EO, entrada)
oculta = Matriz.soma(oculta, self.bias_EO)
oculta = Matriz.sigmoid(oculta)
# Oculta -> Saida
saida = Matriz.mult(self.pesos_OS, oculta)
saida = Matriz.soma(saida, self.bias_OS)
saida = Matriz.sigmoid(saida)
saida = Matriz.array(saida)
return saida
def setUp(self):
self.matriz = Matriz(ordem=3)
def test_matriz_9x8(self):
matriz = Matriz()
esperado = 0
resposta = matriz.matrix()[9][8]
self.assertEqual(resposta, esperado)
from matriz import Matriz
if __name__ == "__main__":
m = Matriz([[0, 2, 1], [4, 5, 1], [8, 9, 1]])
print('---- Rotação -----')
print(m.rotacao(1, 1, 60))
print('')
print('---- Translação -----')
print(m.translacao(3, 4))
print('')
print('---- Escalonamento -----')
print(m.escalonamento(3, 4))
from matriz import Matriz
from ponto import Ponto
from caixeiroViajante import *
from datetime import datetime
matriz = Matriz(24)
ponto1 = Ponto('A')
ponto2 = Ponto('B')
ponto3 = Ponto('C')
ponto4 = Ponto('D')
ponto5 = Ponto('E')
ponto6 = Ponto('F')
ponto7 = Ponto('G')
ponto8 = Ponto('H')
ponto9 = Ponto('I')
ponto10 = Ponto('J')
ponto11 = Ponto('K')
ponto12 = Ponto('L')
ponto13 = Ponto('M')
ponto14 = Ponto('N')
ponto15 = Ponto('O')
ponto16 = Ponto('P')
ponto17 = Ponto('Q')
ponto18 = Ponto('R')
ponto19 = Ponto('S')
ponto20 = Ponto('T')
ponto21 = Ponto('U')
ponto22 = Ponto('V')
ponto23 = Ponto('X')
ponto24 = Ponto('Y')
def __init__(self, neuronios):
# Declarando Valores Iniciais
self.neoronios = neuronios
self.pesos = Matriz(1, neuronios)
self.bias = -1
self.taxa = 0.01
def treino(self, entrada, saidaFinal):
# Entrada -> Oculta
entrada = Matriz.matriz(entrada)
oculta = Matriz.mult(self.pesos_EO, entrada)
oculta = Matriz.soma(oculta, self.bias_EO)
oculta = Matriz.sigmoid(oculta)
# Oculta -> Saida
saida = Matriz.mult(self.pesos_OS, oculta)
saida = Matriz.soma(saida, self.bias_OS)
saida = Matriz.sigmoid(saida)
#BACKPROPAGATION
#Saida -> Oculta
saidaFinal = Matriz.matriz(saidaFinal)
saida_error = Matriz.sub(saidaFinal, saida)
deriv_saida = Matriz.derivadaSigmoid(saida)
oculta_t = Matriz.transposta(oculta)
gradient_OS = Matriz.hadamard(deriv_saida, saida_error)
gradient_OS = Matriz.mult_escalar(gradient_OS, self.taxa_aprendizado)
delta_pesos_OS = Matriz.mult(gradient_OS, oculta_t)
#Oculta -> Entrada
pesos_OS_t = Matriz.transposta(self.pesos_OS)
oculta_error = Matriz.mult(pesos_OS_t, saida_error)
deriv_oculta = Matriz.derivadaSigmoid(oculta)
entrada_t = Matriz.transposta(entrada)
gradient_EO = Matriz.hadamard(deriv_oculta, oculta_error)
gradient_EO = Matriz.mult_escalar(gradient_EO, self.taxa_aprendizado)
delta_pesos_EO = Matriz.mult(gradient_EO, entrada_t)
#Atualizando Pesos
self.pesos_OS = Matriz.soma(self.pesos_OS, delta_pesos_OS)
self.pesos_EO = Matriz.soma(self.pesos_EO, delta_pesos_EO)
from matriz import Matriz
from ponto import Ponto
from caixeiroViajante import *
from datetime import datetime
matriz = Matriz(9)
ponto1 = Ponto('A')
ponto2 = Ponto('B')
ponto3 = Ponto('C')
ponto4 = Ponto('D')
ponto5 = Ponto('E')
ponto6 = Ponto('F')
ponto7 = Ponto('G')
matriz.inserirElemento(0,0,ponto1)
matriz.inserirElemento(6,1,ponto2)
matriz.inserirElemento(3,2,ponto3)
matriz.inserirElemento(2,5,ponto4)
matriz.inserirElemento(5,6,ponto5)
matriz.inserirElemento(1,7,ponto6)
matriz.inserirElemento(4,8,ponto7)
print("Problema bitônico euclidiano do caixeiro-viajante:")
matriz.mostrarMatriz(matriz) #Print da matriz
print(" ")
# Registra o momento antes da execução do algoritmo
t0 = datetime.now()
# Roda o algoritmo 10 vezes
def test_matriz_5x5(self):
matriz = Matriz()
esperado = 1
resposta = matriz.matrix()[5][5]
self.assertEqual(resposta, esperado)
def predict(self, entrada):
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma.data[0][0] -= self.bias
return Hebb(soma.data[0][0])
#!/usr/bin/python
# -*- coding: utf-8 -*-
import time
from matriz import Matriz
from sonido import Sonido
from temperatura import Temperatura
# Conexión de los sensores en sus respectivos pines
# Matriz --> vcc: 2, gnd: 6, din: 19, cs: 24, clk: 23
# Sonido --> a0: 7, gnd: 9, vc: 3, d0: 15
# Temperatura --> vcc: 1, sda: 11, clk: 14
# Activamos los sensores que vamos a usar
matriz = Matriz(numero_matrices=2, ancho=16)
sonido = Sonido()
temperatura = Temperatura()
def acciones():
print("Sonido Detectado!")
temp_data = temperatura.datos_sensor()
temp_formateada = 'Temperatura = {0:0.1f}°C Humedad = {1:0.1f}%'.format(
temp_data['temperatura'], temp_data['humedad'])
matriz.mostrar_mensaje(temp_formateada, delay=0.08, font=2)
def periodica():
fileOfTemp = open('ultimo_log_temperatura.json', 'r+')
while True:
def test_matriz_0x0(self):
matriz = Matriz()
esperado = 1
resposta = matriz.matrix()[0][0]
self.assertEqual(resposta, esperado)
def criar_matriz(self, dimensao):
""" Cria uma matriz """
self._matriz = Matriz().aleatoria(dimensao)
def sub(self, b):
c = Matriz(self.linhas, self.colunas)
for i in range(self.linhas):
for j in range(self.colunas):
c[i][j] = self[i][j] - b[i][j]
return c
