Perceptron Bolado - perceptron simples escrito em C
Publicado por Samuel Leonardo (última atualização em 18/01/2023)
[ Hits: 3.277 ]
Homepage: localhost
Segue um perceptron simples (a primeira IA criada) escrito em C.
Baseado no código da @alexabolada via fórum do VOL.
Como testar esse programa?
O perceptron é um tipo de rede neural (uma IA). Com ele é possível usar para aprender padrões simples. O perceptron não é tão complexo e sua simplicidade tem o preço com o problema XOR. O perceptron não consegue aproximar uma simples porta lógica XOR. Mas consegue aproximar outras, como NOT, AND e OR. Cada neurônio aqui, é identificado pelas variáveis inputs e outputs.
Para compilar use:
gcc -o perceptronBolado perceptronBolado.c
Execute pelo terminal
./perceptronBolado
/** * @file perceptron.c * @author Samuel Leonardo e @alexabolada * @brief Perceptron simples de entender por qualquer programador * @version 0.1 * @date 2023-01-04 * * @copyleft Copyleft (!c) 2023 * Ideia original em * https://www.vivaolinux.com.br/topico/Off-Code-Cafe/Alex-Bolada/?pagina=5 * * .... * .... * ....._.._. * ..__|.||.|_. * ./._..||.|_. * |.(_|.||.|_. * .\\__,_\\|_|.. */ /** * Como testar esse programa? * O perceptron é um tipo de rede neural (uma IA). * Com ele é possível usar para aprender padrões simples. * O perceptron não é tão complexo e sua simpliciddade tem o preço * com o problema XOR. * O perceptron não consegue aproximar uma simples porta lógica XOR. * Mas consegue aproximar outras, como NOT, AND e OR. * Cada neurônio aqui, é identificado pelas variáveis inputs e outputs. * Para compilar use: * gcc -o perceptronBolado perceptronBolado.c * Execute pelo terminal */ #include <stdio.h> #include <stdlib.h> //quantidade de padrões para aprender #define PATTERNS 4 //esses são os padrões de entrada #define NUM_INPUTS 2 //padrões de saida #define NUM_OUTPUTS 1 //taxa de aprendizado #define LEARN 1.0 //abaixo, a porta lógica AND float and[PATTERNS][NUM_INPUTS] = { {0,0}, {0,1}, {1,0}, {1,1}, }; // Define os valores de saída esperados float outputs[PATTERNS] = {0,0,0,1}; // Define os pesos das entradas, bias fica na última posição float inputsWeight[NUM_INPUTS + 1] = {0,0,0}; // Define a função de ativação //função usada para ativar a lógica do neurônio float activationFunc(float x) { return x > 0 ? 1 : 0; } float calcSum(float inputs[], int numInputs) { float sum = 0; for (int i = 0; i < numInputs; i++) { sum += inputs[i] * inputsWeight[i]; } //soma o bias sum += 1 * inputsWeight[numInputs]; return sum; } // Calcula a saída para a rede multicamada float calcOutput(float *inputs, int numInputs) { float sum = calcSum(inputs, numInputs); return activationFunc(sum); } //calculed é a saida calculada para o apdrão p float calcError (float output, float calculed) { return output - calculed; } void trainFunc () { int epochs = 1; while (epochs < 100) { float error = 0, ok = 0; float calculed = 0; //corrige os pesos for (int i = 0; i < PATTERNS; i++) { float sum = calcSum(and[i], NUM_INPUTS); calculed = activationFunc(sum); error = calcError(outputs[i], calculed); //se errour, tem que ajustar os pesos if (calculed != outputs[i]) { for (int j = 0; j < NUM_INPUTS; j++) { //and[i][j] é o sinal de entrada //calcula o ajuste dos pesos inputsWeight[j] += outputs[i] + (LEARN * error * and[i][j]); } //calcula o ajuste do bias inputsWeight[NUM_INPUTS] += outputs[i] + (LEARN * error * 1); } else { //contador de padrões corretos ok += 1; } } //acertos global ok /= (float)PATTERNS; if (ok >= LEARN) break; epochs++; } } int main(int argc, char **argv) { float inputs[NUM_INPUTS] = {}; //executa o treinamento trainFunc(); //imprime as saidas desejadas printf("Saidas desejadas = "); for (int i = 0; i < PATTERNS; i++) { printf("%d ", (int)outputs[i]); } printf("\n"); for (int i = 0; i < PATTERNS; i++) { //coloca as entradas nos neuronios for (int j = 0; j < NUM_INPUTS; j++) inputs[j] = and[i][j]; //calcula o valor de saida float output = calcOutput(inputs, NUM_INPUTS); // Imprime a saída printf("Saída: %d and %d = %f\n", (int)(inputs[0]), (int)(inputs[1]), (output)); } return 0; }
Divisores de n no intervalo [a,b]
Quantos números primos você quizer!!!
Compartilhando a tela do Computador no Celular via Deskreen
Como Configurar um Túnel SSH Reverso para Acessar Sua Máquina Local a Partir de uma Máquina Remota
Configuração para desligamento automatizado de Computadores em um Ambiente Comercial
Efeito "livro" em arquivos PDF
Como resolver o erro no CUPS: Unable to get list of printer drivers
Flatpak: remover runtimes não usados e pacotes
Mudar o gerenciador de login (GDM para SDDM e vice-versa) - parte 2
Como atualizar o Debian 8 para o 10 (10)
Dica sobre iptables ACCEPT e DROP (6)
NGNIX - Aplicar SNAT para evitar roteamento assimetrico (29)
[Python] Automação de scan de vulnerabilidades
[Python] Script para analise de superficie de ataque
[Shell Script] Novo script para redimensionar, rotacionar, converter e espelhar arquivos de imagem
[Shell Script] Iniciador de DOOM (DSDA-DOOM, Doom Retro ou Woof!)
[Shell Script] Script para adicionar bordas às imagens de uma pasta