-
Notifications
You must be signed in to change notification settings - Fork 0
/
red.py
52 lines (51 loc) · 1.42 KB
/
red.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
from datos import *
"""
Abstración de la red neuronal como un objeto.
Puede entrenarse a partir de un conjunto de datos mediante
el algoritmo de aprendizaje de perceptrón.
Después de entrenarse estará lista para reconocer vectores
de entrada.
"""
class Red():
"""
Entrena a la red
Recibe un W y una b iniciales. Así como una lista de tipos
con su t y p.
Guarda la configuración final de W y b cuando converge el algoritmo.
"""
def entrenar(self, lista):
ite=1; e_cero=0; w=lista[0]; b=lista[1]; tipos=lista[2]
while e_cero!=len(tipos) and ite<999999999:
for tipo in tipos:
if e_cero==len(tipos) or ite>1000000000:
break
else:
print("Iteracion "+ str(ite) + ": ")
a = ( (w*tipo.p)+b ).hardlim()
e = tipo.t-a
if e.null()==True:
e_cero+=1
else:
e_cero=0
w = w + ( e*(tipo.p.transponer()) )
b = b+e
ite+=1
archivo=open("wb.txt", "w+")
self.w=w; self.b=b
archivo.write(self.w.to_s() + "\n" + self.b.to_s())
archivo.close()
print("***********Se ha entrenado a la red************")
"""
"""
def __imprimir_aux(self, e, w, b, ite):
print("\ne("+str(ite)+") = \n"+ e)
print("\nW("+str(ite)+") = \n"+ w)
print("\nb("+str(ite)+") = \n"+ b)
"""
Se encarga de reconocer un vector de entrada.
Recibe una matriz de entrada
Devuelve f(wp+b), es decir a
"""
def reconocer(self, entrada):
a=( (self.w*entrada)+(self.b) ).hardlim()
return a.transponer()