def read_weights_on_file(nome_arquivo_backup):
with open(nome_arquivo_backup, 'r') as arquivo_backup:
# print("leitura")
camadas = []
json_deserializacao = json.load(arquivo_backup)
for indice_camada in range(len(json_deserializacao)):
if (json_deserializacao[indice_camada]['tipo_camada'] == 'output'):
# print(json_deserializacao[indice_camada]['total_neuronios'])
# input()
nova_camada = CamadaSaida(
json_deserializacao[indice_camada]['total_neuronios'])
else:
nova_camada = Camada(
json_deserializacao[indice_camada]['total_neuronios'])
for neuronio in json_deserializacao[indice_camada]['neuronios']:
novo_neuronio = Neuronio(neuronio['id'], [], 1,
settings.momentum)
for i in range(len(neuronio['entradas'])):
novo_neuronio.entradas.append(
Neuronio(neuronio['entradas'][i]['id'], [], 1,
settings.momentum))
novo_neuronio.pesos.append(neuronio['entradas'][i]['peso'])
nova_camada.neuronios.append(novo_neuronio)
camadas.append(nova_camada)
return camadas
def le_camada_entrada(self, nome_arquivo, quantas_entradas,
ultimo_id_neuronio, learning_rate, momentum):
with open(nome_arquivo, 'r') as arquivo_leitura_entrada:
quantos_leu = 0
for linha in arquivo_leitura_entrada:
linha_quebrada = linha.split(' ')
for i in linha_quebrada[
0]: # pega as ENTRADAS somente (desconsidera saída esperada AINDA)
n = Neuronio(
ultimo_id_neuronio, i, learning_rate,
momentum) # passando peso -1 como teste apenas
n.entradas = [float(i)]
n.saida = float(
i) # coloca entrada na saída para primeira camada
self.neuronios.append(n)
ultimo_id_neuronio += 1
quantos_leu += 1
if (quantos_leu == quantas_entradas):
self.exibe_neuronios()
break
return ultimo_id_neuronio
class TestNeuronio(unittest.TestCase):
def setUp(self):
w = {"w0": 0, "w1": 0, "w2": 0}
self.neuronio = Neuronio(**w)
def test_neuronio(self):
self.neuronio.w0 | should | equal_to(0)
self.neuronio.w1 | should | equal_to(0)
self.neuronio.w2 | should | equal_to(0)
def test_treinamento_neuronio_4_padroes_operacao_e(self):
aprendizagem = 1
padroes = {
"padrao_1": {"x1": 0, "x2": 0, "y": 0},
"padrao_2": {"x1": 0, "x2": 1, "y": 0},
"padrao_3": {"x1": 1, "x2": 0, "y": 0},
"padrao_4": {"x1": 1, "x2": 1, "y": 1},
}
w_treinado = self.neuronio.treinar(taxa_de_aprendizagem=aprendizagem, padroes=padroes)
w_treinado | should | equal_to({"w0": -2, "w1": 1, "w2": 0})
def getMSE(self):
for entrada in self.entradas: # percorrendo as entradas
for val in entrada:
neuronio = Neuronio(val, self.pesos_h[0])
self.h1 = neuronio.saida()
neuronio = Neuronio(val, self.pesos_h[1])
self.h2 = neuronio.saida()
u1 = self.pesos_o[0][0] + self.h1[idx] * self.pesos_o[0][1] + self.h2[idx] * self.pesos_o[0][2]
u2 = self.pesos_o[0][0] + self.h1[idx] * self.pesos_o[1][1] + self.h2[idx] * self.pesos_o[1][2]
self.resultadoN1.insert(1 / (1 + pow(self.e, -u1)))
self.resultadoN2.insert(1 / (1 + pow(self.e, -u2)))
self.erroN1 = self.res_esperadoN1 - self.resultadoN1
self.erro_quadratico += pow(self.erroN1, 2)
self.erroN2 = self.res_esperadoN2 - self.resultadoN2
self.erro_quadratico += pow(self.erroN2, 2)
return (self.erro_quadratico/(self.entradas.size) * 2) * 100
def inicialize_camada(camada, integer):
for i in range(integer):
camada.append(Neuronio())
return camada
def setUp(self):
w = {"w0": 0, "w1": 0, "w2": 0}
self.neuronio = Neuronio(**w)
taxa_aprendizagem, settings.momentum)
quantos_neuronios_camada_escondida = settings.quantidade_neuronios_camada_escondida
camada_escondida = Camada(quantos_neuronios_camada_escondida)
quantos_neuronios_camada_saida = settings.quantidade_neuronios_camada_saida
camada_saida = CamadaSaida(quantos_neuronios_camada_saida)
camada_saida.le_saida_esperada(nome_arquivo_leitura, 1,
linha_arquivo_treino)
# LEITURA DA CAMADA ESCONDIDA
for indice_neuronio_escondido in range(
quantos_neuronios_camada_escondida):
neuronio_novo = Neuronio(settings.ultimo_id_neuronio, [],
taxa_aprendizagem, settings.momentum)
neuronio_novo.entradas = [
neuronio for neuronio in camada_entrada.neuronios
]
neuronio_novo.pesos = [
camada_escondida.__gera_peso_aleatorio__()
for neuronio in camada_entrada.neuronios
]
camada_escondida.neuronios.append(neuronio_novo)
settings.ultimo_id_neuronio += 1
# camada_escondida.neuronios.append(neuronio)
# LEITURA DA CAMADA DE SAÍDA
for _ in range(quantos_neuronios_camada_saida):
neuronio_novo = Neuronio(settings.ultimo_id_neuronio, [],