neuronav2

neu.py

from sys import argv
from numpy import *
from numpy.random import *

tasa_de_aprendizaje = 0.02


class neu(object):
    
    def Entrada(self,n):
        entrada = uniform(low=-1, high=1, size=(1,n))
        entrada = append(entrada, -1.0)
        return entrada
    
    def W(self, n):
        return uniform(low=-1, high=1, size=(1,n+1))
        
    
    def Condicion(self, n, w): # se crea el vector de condicion
        return uniform(low=-1, high=1, size=(1,n+1))
        
    def respuestaDeseada(self, condicion, entrada): # se obtiene la salida deseada conforme a la condicion
        valorcondi = entrada*condicion
        valorc = valorcondi.sum()
        if (valorc>=0): return 1
        else: return 0
        
    def Act(self, w, entrada):
        a = w*entrada
        act = a.sum()
        return act
    
    def Compara(self, act):
        if(act>=0): return 1
        else: return 0

    def Entrena(self, w, y, respdesea, entrada): #se entrena conforme a la condicion 
        global tasa_de_aprendizaje
        entrenar = tasa_de_aprendizaje * (respdesea - y) * entrada #si la respuesta deseada y la salida
                                                                #son iguales no se modifica el vector de pesos
        w += entrenar
        return w

    def __init__(self, n, num):
        p=0
        w = self.W(n)
        condicion = self.Condicion(n, w)
        print w
        print condicion
        for p in range(num):
            entrada = self.Entrada(n)
            act = self.Act(w, entrada)
            y = self.Compara(act)
            respdesea = self.respuestaDeseada(condicion, entrada)
            entrena = self.Entrena(w, y, respdesea, entrada)
            w = entrena
            for i in range(len(entrada)-1):
                print entrada[i],
            print y, respdesea
        print w
        

n = neu(int(argv[1]), int (argv[2]))