def predict(self, entrada):
# Retorna saida basiado na entrada
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma = Matriz.array(soma)
soma[0] -= self.bias
saida = Hebb(soma[0])
return saida
def treino(self, entrada, saida):
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma.data[0][0] -= self.bias
erro = saida - soma.data[0][0]
delta = erro * self.taxa
self.bias = delta * -1
delta = Matriz.mult_escalar(entrada, delta)
self.pesos = Matriz.soma(self.pesos, delta)
def EQM(self, padroes, entrada, saida):
eqm = 0
x = 0
pesos_t = Matriz.transposta(self.pesos)
for i in entrada:
i = Matriz.matrizLinha(i)
u = Matriz.mult(i, pesos_t)
u = u.data[0][0] - self.bias
erro = saida[x] - u
x += 1
eqm += erro**2
eqm = eqm / padroes
return eqm
eqm = soma / padroes
return eqm
def treino(self, entrada, saidaFinal):
# Verificando Resultado
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma = Matriz.array(soma)
soma[0] -= self.bias
saida = Hebb(soma[0])
erro = False
# Atualizando Pesos
if (saida != saidaFinal):
taxaErro = saidaFinal - saida
delta = Matriz.mult_escalar(entrada, self.taxa * taxaErro)
self.pesos = Matriz.soma(delta, self.pesos)
self.bias += (taxaErro * self.taxa * -1)
erro = True
return erro
def predict(self, entrada):
entrada = Matriz.matrizLinha(entrada)
pesos_t = Matriz.transposta(self.pesos)
soma = Matriz.mult(entrada, pesos_t)
soma.data[0][0] -= self.bias
return Hebb(soma.data[0][0])
