def treinar_rede(dataset, rn=None): x, d = dataset if (rn == None): rn = Adaline(qnt_entradas=len(x[0, :])) rn.treino(x, d, verbose=0, guardar_historico=1) rn.plotar_curva_aprendizado('Treino (%d épocas de treinamento)' % rn.epoca) # rn.plotar_animacao(x,d,titulo='Treino (%d épocas de treinamento)'%rn.epoca) # rn.salvar_animacao(x,d,titulo='Treino (%d épocas de treinamento)'%rn.epoca,nome_arquivo='reta_1/animacao.mp4') print(rn.epoca) return rn
[0.8298, -1.4089, 0.3119, 1.3235]] S = [ 1, -1, -1, -1, 1, 1, 1, 1, -1, 1, -1, -1, 1, 1, -1, -1, 1, -1, -1, 1, 1, -1, -1, 1, -1, 1, -1, 1, -1, 1, 1, 1, -1, -1, -1 ] treino = True x = 0 teste = 1 tam = len(E) while (treino): print("Geração: ", x) x += 1 eqm_ant = t5.EQM(tam, E, S) for i in range(tam): t5.treino(E[i], S[i]) teste = 2 eqm_atual = t5.EQM(tam, E, S) if (t5.testeErro(eqm_ant, eqm_atual)): print("Treinamento Acabou!!") treino = False print(t5.predict([0.9694, 0.6909, 0.4334, 3.4965])) print(t5.predict([0.5427, 1.3832, 0.6390, 4.0352])) print(t5.predict([0.6081, -0.9196, 0.5925, 0.1016])) print(t5.predict([-0.1618, 0.4694, 0.2030, 3.0117])) print(t5.predict([0.1870, -0.2578, 0.6124, 1.7749])) print(t5.predict([0.4891, -0.5279, 0.4378, 0.6439])) print(t5.predict([0.3777, 2.0149, 0.7423, 3.3932])) print(t5.predict([1.1498, -0.4067, 0.2469, 1.5866])) print(t5.predict([0.9325, 1.0950, 1.0359, 3.3591]))