/entrega2/ejercicio1/neurona_no_lineal.m~
http://github.com/melisabok/RedesNeuronales · Unknown · 49 lines · 26 code · 23 blank · 0 comment · 0 complexity · 29ad462c2b7d5537871f02f2f712fd7f MD5 · raw file
- function[ite, W, b] = neurona_no_lineal(P, T, alfa, CotaError, MAX_ITE, funcion)
-
-
- [CantAtrib, CantPatrones] = size(P);
-
- W = rand(1,CantAtrib) - 0.5 * ones(1,CantAtrib);
- b = rand - 0.5;
-
-
- errorAct = 1;
- ite = 0;
-
- while (ite < MAX_ITE) & (errorAct > CotaError)
-
- ite = ite + 1;
- errorAct = 0;
-
- for patr = 1 : CantPatrones
-
- neta = W*P(:,patr) + b;
- f_neta = feval(funcion, neta);
- f_prima_neta = feval([ 'd' funcion], neta, f_neta);
-
- errorK = T(patr) - f_neta;
- gradiente = -2*errorK*f_prima_neta*P(:, patr);
-
- W = W - alfa * gradiente';
- b = b - alfa * (-2*errorK*f_prima_neta);
- errorAct = errorAct + errorK^2;
-
- end
-
- %[ite ErrorAct]
- if (mod(ite,100) == 0)
- correctos_train = evaluar_clase_funcion(T, feval(funcion, W*P+b), funcion);
- [alfa ite correctos_train (correctos_train / CantPatrones) * 100]
- end
-
-
- end
- %fprintf('Salida, ite: %d error: %.8f\n', ite, suma_error);