''' from pyfann import libfann from login import Login from escribirArchivo import EscribirArchivo import inspect, sys, os sys.path.append("../model") from baseDatos import BaseDatos auxiliar=[] e=EscribirArchivo() e.setUrl("prueba_gamma.data") e.setNumeroEntradas(2) e.setNumeroSalidas(1) e.escribirEnArchivoParaProbarRedNeuronalGamma() bd=BaseDatos() #primer elemento: # de neuronas #segundo elemento: error #tercer elemento: url del archivo de ese entrenamiento print bd.obtenerErroresMenoresDeEntrenamientoGamma()[0][2] errores=bd.obtenerErroresMenoresDeEntrenamiento() for k in range(len(errores)): ann = libfann.neural_net() ann.create_from_file("../files/"+errores[k][2]) ann.reset_MSE()
''' from pyfann import libfann from login import Login from escribirArchivo import EscribirArchivo import inspect, sys, os sys.path.append("../model") from baseDatos import BaseDatos auxiliar=[] np=EscribirArchivo() np.setUrl("prueba_normalizado.data") np.setNumeroEntradas(8) np.setNumeroSalidas(5) np.escribirEnArchivoParaProbarRedNeuronalNormalizados() bd=BaseDatos() #primer elemento: # de neuronas #segundo elemento: error #tercer elemento: url del archivo de ese entrenamiento print bd.obtenerErroresMenoresDeEntrenamientoNormalizado()[0][2] errores=bd.obtenerErroresMenoresDeEntrenamientoNormalizado() for k in range(len(errores)): ann = libfann.neural_net() ann.create_from_file("../files/"+errores[k][2]) ann.reset_MSE()