REDES NEURAIS

SOBRE ESTA REDE NEURAL
•Perceptron
•Apenas um nó (neuron)
•Usa regressão linear

O QUE ELA FAZ?
• Exemplo: Ir em uma viagem
Uma tupla é gerada conforme
as perguntas:
[ Tem amigos para ir junto?,
A passagem está cara?,
O meio de transporte é
seguro? ]
• input: [1, 0, 0]
oEsta pessoa Vai[1] com amigos,
oA passagem Não[0] está cara,
oO meio de transporte Não[0] é seguro
• output: [0]
oEsta pessoa Não[0] deve viajar
Esta rede neural responde com SIM[1] ou NÃO[0]
com base em 3 Entrada[inputs] e 3 Pesos.

INICIALIZAÇÃO
#Base de dados
inputs = [[0, 0, 1], [1, 0, 1], [1, 1, 1], [1, 1, 0]]
target = [1, 1, 0, 0]
#Inicialização das variaveis---#
peso = [0, 0, 0]
delta_peso = [0, 0, 0]
vies = 0
delta_vies = 0
lr = 0.1
voltas = 2
y_input = [0, 0, 0, 0]
Participantes = len(inputs)
#------------------------------#

REGRESSÃO LINEAR
#Somatoria de [input * peso]
def neuron(inputx):
z = 0
for i in range(len(inputx)):
x = inputx[i] * peso[i]
z += x
return z + vies

ATIVAÇÃO
#Retorna a resposta Sim[1] ou Não[0]
def ativacao(fi):
if(fi > 0):
return 1
elif (fi <= 0):
return 0

TREINAMENTO
#Treina a rede neural com loops
def treinamento(inputx, targetx, y_inputx):
global delta_vies, vies
for i in range(0, len(inputx)):
delta_peso[i] = lr * (targetx - y_inputx) * inputx[i]
peso[i] += delta_peso[i]
#Atualiza o vies
delta_vies = lr * (targetx - y_inputx) * 1
vies += delta_vies

TREINAMENTO
#Etapa de trinamento, se a rede neural errar, ela treina ate
acertar.
for i in range(voltas):
for j in range(participantes):
y_input[j] = ativacao(neuron(inputs[j]))
if (y_input[j] != target[j]):
treinamento(inputs[j], target[j], y_input[j])
j = 0

TESTE
#Novos dados para verificar se a rede neural esta pronta
[1, 0, 0] -> [Tem amigos, A passagem não esta cara, o Transporte não é seguro]
logo [0] Não vai
[0, 0, 1] -> [Não tem amigos, A passagem não esta cara, o Transporte é Seguro]
logo [1] Vai
[1, 1, 1] -> [Tem amigos, A passagem está cara, o Transporte é seguro]
logo [0] Não vai
print("n")
input_n = [[1, 0, 0], [0, 0, 1], [1, 1, 1]]
print(ativacao(neuron(input_n[0])))
print(ativacao(neuron(input_n[1])))
print(ativacao(neuron(input_n[2])))

OUTPUT