def __init__(self, numero_entradas_rams, tamanho_entrada, numero_discriminadores, score_minimo, intervalo_crescimento):
self.retina = retina.Retina(tamanho_entrada)
self.discriminadores = []
self.numero_discriminadores = numero_discriminadores
self.numero_entradas_rams = numero_entradas_rams
self.tamanho_entrada = tamanho_entrada
self.score_minimo = score_minimo
self.intervalo_crescimento = intervalo_crescimento
for i in range(0, numero_discriminadores):
self.discriminadores.append(discriminador_cluswisard.DiscriminadorCluswisard(numero_entradas_rams, tamanho_entrada, i))
self.classificacao_discriminadores = [0]*numero_discriminadores
def treinar(self, entrada, classe):
entrada_reorganizada = self.retina.organizar(entrada)
exemplo_aprendido = False
if (not (self.possui_classe(classe))):
#print("passei aqui, onde tem label, mas não tem classe. fala tu")
self.discriminadores.append(
discriminador_cluswisard.DiscriminadorCluswisard(
self.numero_entradas_rams, self.tamanho_entrada, classe))
self.numero_discriminadores = self.numero_discriminadores + 1
self.discriminadores[self.numero_discriminadores -
1].treinar(entrada_reorganizada)
self.discriminadores[self.numero_discriminadores -
1].exemplos_aprendidos += 1
else:
for i in range(0, self.numero_discriminadores):
if ((self.discriminadores[i].classe == classe)
and (self.obter_score(
self.discriminadores[i].classificar_score(entrada))
>= min([
1, self.score_minimo +
self.discriminadores[i].exemplos_aprendidos /
self.intervalo_crescimento
]))):
self.discriminadores[i].treinar(entrada_reorganizada)
self.discriminadores[i].exemplos_aprendidos += 1
exemplo_aprendido = True
if (not (exemplo_aprendido) and
self.quantidade_classe_repetida(classe) <= self.limitante):
self.discriminadores.append(
discriminador_cluswisard.DiscriminadorCluswisard(
self.numero_entradas_rams, self.tamanho_entrada,
classe))
self.numero_discriminadores = self.numero_discriminadores + 1
self.discriminadores[self.numero_discriminadores -
1].treinar(entrada_reorganizada)
self.discriminadores[self.numero_discriminadores -
1].exemplos_aprendidos += 1
def treinar_cluster(self, entrada):
placar_discriminadores = self.obter_classificacoes(entrada, 0)
melhor_resultado = self.obter_melhor_resultado(placar_discriminadores)
discriminador = placar_discriminadores.index(melhor_resultado)
if(melhor_resultado >= min([1, self.score_minimo+
self.discriminadores[discriminador].exemplos_aprendidos/self.intervalo_crescimento])):
self.treinar(entrada, discriminador)
else:
self.discriminadores.append[discriminador_cluswisard.DiscriminadorCluswisard(self.numero_entradas_rams,
self.tamanho_entrada, self.discriminadores[discriminador].classe)]
self.numero_discriminadores = self.numero_discriminadores + 1
self.treinar(entrada, self.numero_discriminadores)
def treinar_cluster(self, entrada, item):
entrada_reorganizada = self.retina.organizar(entrada)
if (self.numero_discriminadores == 0):
self.discriminadores.append(
discriminador_cluswisard.DiscriminadorCluswisard(
self.numero_entradas_rams, self.tamanho_entrada, 0))
self.clusters.append([])
self.numero_discriminadores = self.numero_discriminadores + 1
self.discriminadores[0].treinar(entrada_reorganizada)
self.discriminadores[0].exemplos_aprendidos += 1
self.clusters[0].append(item)
if (self.numero_discriminadores > 0):
placar_discriminadores = self.obter_classificacoes(entrada, 0)
melhor_resultado = self.obter_melhor_resultado(
placar_discriminadores)
discriminador = placar_discriminadores.index(melhor_resultado)
if (melhor_resultado >= min([
1, self.score_minimo +
self.discriminadores[discriminador].exemplos_aprendidos /
self.intervalo_crescimento
])):
self.discriminadores[discriminador].treinar(
entrada_reorganizada)
self.discriminadores[discriminador].exemplos_aprendidos += 1
self.clusters[discriminador].append(item)
else:
self.discriminadores.append(
discriminador_cluswisard.DiscriminadorCluswisard(
self.numero_entradas_rams, self.tamanho_entrada,
self.discriminadores[discriminador].classe))
self.clusters.append([])
self.numero_discriminadores = self.numero_discriminadores + 1
self.discriminadores[self.numero_discriminadores -
1].treinar(entrada_reorganizada)
self.discriminadores[self.numero_discriminadores -
1].exemplos_aprendidos += 1
self.clusters[self.numero_discriminadores - 1].append(item)
def treinar_cluster(self, entrada):
entrada_reorganizada = self.retina.organizar(entrada)
exemplo_aprendido = False
if (self.numero_discriminadores > 0):
placar_discriminadores = self.obter_classificacoes(entrada, 0)
melhor_resultado = self.obter_melhor_resultado(
placar_discriminadores)
discriminador = placar_discriminadores.index(melhor_resultado)
classe = self.discriminadores[discriminador].classe
for i in range(0, self.numero_discriminadores):
if ((self.discriminadores[i].classe == classe) and
(self.obter_score(
self.discriminadores[i].classificar_score(entrada)) >=
min([
1, self.score_minimo +
self.discriminadores[discriminador].
exemplos_aprendidos / self.intervalo_crescimento
]))):
self.discriminadores[i].treinar(entrada_reorganizada)
self.discriminadores[
i].exemplos_aprendidos = self.discriminadores[
i].exemplos_aprendidos + 1
exemplo_aprendido = True
if (not (exemplo_aprendido) and
self.quantidade_classe_repetida(classe) <= self.limitante):
self.discriminadores.append(
discriminador_cluswisard.DiscriminadorCluswisard(
self.numero_entradas_rams, self.tamanho_entrada,
self.discriminadores[discriminador].classe))
self.numero_discriminadores = self.numero_discriminadores + 1
self.discriminadores[self.numero_discriminadores -
1].treinar(entrada_reorganizada)
self.discriminadores[self.numero_discriminadores -
1].exemplos_aprendidos += 1