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]))