def treino(self, entrada, saidaFinal):
# Entrada -> Oculta
entrada = Matriz.matriz(entrada)
oculta = Matriz.mult(self.pesos_EO, entrada)
oculta = Matriz.soma(oculta, self.bias_EO)
oculta = Matriz.sigmoid(oculta)
# Oculta -> Saida
saida = Matriz.mult(self.pesos_OS, oculta)
saida = Matriz.soma(saida, self.bias_OS)
saida = Matriz.sigmoid(saida)
#BACKPROPAGATION
#Saida -> Oculta
saidaFinal = Matriz.matriz(saidaFinal)
saida_error = Matriz.sub(saidaFinal, saida)
deriv_saida = Matriz.derivadaSigmoid(saida)
oculta_t = Matriz.transposta(oculta)
gradient_OS = Matriz.hadamard(deriv_saida, saida_error)
gradient_OS = Matriz.mult_escalar(gradient_OS, self.taxa_aprendizado)
delta_pesos_OS = Matriz.mult(gradient_OS, oculta_t)
#Oculta -> Entrada
pesos_OS_t = Matriz.transposta(self.pesos_OS)
oculta_error = Matriz.mult(pesos_OS_t, saida_error)
deriv_oculta = Matriz.derivadaSigmoid(oculta)
entrada_t = Matriz.transposta(entrada)
gradient_EO = Matriz.hadamard(deriv_oculta, oculta_error)
gradient_EO = Matriz.mult_escalar(gradient_EO, self.taxa_aprendizado)
delta_pesos_EO = Matriz.mult(gradient_EO, entrada_t)
#Atualizando Pesos
self.pesos_OS = Matriz.soma(self.pesos_OS, delta_pesos_OS)
self.pesos_EO = Matriz.soma(self.pesos_EO, delta_pesos_EO)
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])
