• Christian Schmitz, 242258
• Igor Pires Ferreira, 242267
• Thor Castilhos Sanchotene, 242261

Classe da camada que contém apenas uma lista de neurônios (Neuron)

Classe do neurônio. Possui os seguintes atributos:

• Inputs - Lista de tuplas contendo as entradas do neurônio. O primeiro elemento é o neurônio (da camada anterior) e o segundo é o seu peso associado.
• ActivationFn - Função de ativação do neurônio. Tem como valor padrão a função sigmóide
• Output - Saída do neurônio
• TestOutput - Saída do neurônio para verificação numérica
• Error

Classe da rede neural. É a principal classe do projeto. Possui os seguintes atributos:

• NumericalEvaluation - booleano que é indica se a avaliação numérica deve ser feita
• LearningRate - Taxa de aprendizagem da rede
• RegularizationRate - Taxa de regularização da rede
• DatasetMatrix - Matriz completa os dados do dataSet.
• AttributesList - Parte da datasetMatrix que contém somente os atributos
• ExpectedClassList - Parte da datasetMatrix que contém as classes que devem ser previstas
• PerformanceEvaluator - objeto da classe homônima usada para obter as métricas da rede.

Para cada atributo, são buscados dentro do dataset seus respectivos valores de mínimo e máximo, e então o valor do atributo recebe: attr = (attr-min) / (max-min) Sendo assim, todos os valores ficam no intervalo [0,1]

• Verifique a presença do python2.7 em sua máquina. É importante que seja a versão 2.7. Verifique também a versão do numpy, que deve ser a 1.11.0
• Extraia o conteúdo enviado no moodle;
• Vá até a pasta de testes dentro de onde se encontra o projeto;
• Rode python NumericalEvaluation.py ou simplesmente ./NumericalEvaluation.py (não esqueça de se certificar que o arquivo possua permissão de execução)

Atente para as primeiras duas linhas que estão no início de cada teste. Esse código irá calcular as derivadas de uma rede com a configuração [3, 1, 2] das duas formas requisitadas, via backpropagation e via Verificação Numérica. Prints na tela identificarão os valores e a similaridade poderá ser identificada.