-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathProbar.java
147 lines (127 loc) · 6.05 KB
/
Probar.java
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
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
public class Probar {
//Datos de entrenamiento
//Patrones de Calidad mala
static float[] entradas1 = {0.9f, 0.6f, 0.5f, 0.4f};
static float[] entradas2 = {0.8f, 0.7f, 0.6f, 0.5f};
static float[] entradas3 = {0.5f, 0.5f, 0.4f, 0.5f};
static float[] entradas4 = {0.4f, 0.8f, 0.6f, 0.3f};
static float[] entradas5 = {0.7f, 0.5f, 0.6f, 0.5f};
static float[] entradas5a = {0.1f, 0.1f, .5f, 0.3f};
//Patrones de Calidad Buena
static float[] entradas6 = {1.0f, 0.9f, 0.9f, 9.0f};
static float[] entradas7 = {0.8f, 0.9f, 0.9f, 1.0f};
static float[] entradas8 = {0.7f, 0.8f, 0.8f, 0.9f};
static float[] entradas9 = {0.5f, 0.6f, 0.7f, 0.8f};
static float[] entradas10 = {0.8f, 0.8f, 0.9f, 0.8f};
static float[] entradas10a = {0.8f, 0.8f, 0.8f, 1.0f};
static float[] salida1 = {-1.0f};
static float[] salida2 = {1.0f};
//Datos para probar la red despues del entrenamiento
static float[] prueba1 = {0.1f, 0.5f, 0.7f, 0.4f};
static float[] prueba2 = {0.1f, 0.7f, 1.0f, 0.5f};
static float[] prueba3 = {0.1f, 0.1f, 0.4f, 0.9f};
static float[] prueba4 = {0.1f, 0.6f, 0.9f, 0.8f};
static float[] prueba5 = {0.3f, 0.3f, 0.5f, 0.6f};
static float[] prueba6 = {0.4f, 0.1f, 0.6f, 0.8f};
static float[] prueba7 = {0.5f, 1.0f, 0.5f, 0.8f};
static float[] prueba8 = {0.5f, 1.0f, 0.7f, 0.9f};
static float[] prueba9 = {0.6f, 0.6f, 0.6f, 0.7f};
static float[] prueba10 = {1.0f, 0.9f, 0.8f, 0.7f};
static float[] prueba11 = {0.1f, 0.9f, 0.5f, 0.2f};
static float[] prueba12 = {0.2f, 0.3f, 0.4f, 0.4f};
static float[] prueba13 = {0.3f, 1.0f, 0.6f, 0.1f};
static float[] prueba14 = {0.1f, 0.2f, 0.2f, 0.1f};
static float[] prueba15 = {0.4f, 0.7f, 0.1f, 0.6f};
static float[] prueba16 = {0.5f, 0.8f, 1.0f, 0.2f};
static float[] prueba17 = {0.6f, 0.3f, 1.0f, 0.1f};
static float[] prueba18 = {0.8f, 0.2f, 0.8f, 0.2f};
static float[] prueba19 = {0.9f, 0.4f, 0.6f, 0.6f};
static float[] prueba20 = {1.0f, 0.5f, 0.1f, 1.0f};
public static void main(String[] args) {
//Creamos una nueva red neuronal
RedNeuronal nn = new RedNeuronal(4, 4, 4, 1);
//Agregamos los 3 datos de entrenamiento
nn.agregarDatosEntrenamiento(entradas1, salida1);
nn.agregarDatosEntrenamiento(entradas6, salida2);
nn.agregarDatosEntrenamiento(entradas2, salida1);
nn.agregarDatosEntrenamiento(entradas7, salida2);
nn.agregarDatosEntrenamiento(entradas3, salida1);
nn.agregarDatosEntrenamiento(entradas8, salida2);
nn.agregarDatosEntrenamiento(entradas4, salida1);
nn.agregarDatosEntrenamiento(entradas9, salida2);
nn.agregarDatosEntrenamiento(entradas5, salida1);
nn.agregarDatosEntrenamiento(entradas10,salida2);
double error = 0;
//Realizamos el entrenamiento de la red
long tiempoInicio = System.currentTimeMillis();
int iteraciones = 900000, i = 0;
float errorf = 1.0E-4f;
for ( i = 0;i < iteraciones; i++) {
error = nn.entrenar();
//System.out.println("E"+error);
if(error<errorf | i == iteraciones )
break;
}
System.out.println("\nError: "+errorf);
System.out.println("\nIteraciones: "+iteraciones);
System.out.println("\nCiclos: " + i + " Error: " + error+ " Porcentaje: "+error/100);
System.out.println("Tiempo Total: " + (System.currentTimeMillis() - tiempoInicio)/1000.0 + "S");
//Probamos la red entrenada con los datos de prueba
Probar_configuracion(nn, prueba1);
Probar_configuracion(nn, prueba2);
Probar_configuracion(nn, prueba3);
Probar_configuracion(nn, prueba4);/**/
Probar_configuracion(nn, prueba5);
Probar_configuracion(nn, prueba6);
Probar_configuracion(nn, prueba7);
Probar_configuracion(nn, prueba8);
Probar_configuracion(nn, prueba9);
System.out.println("*********************************");
Probar_configuracion(nn, prueba10);
Probar_configuracion(nn, prueba11);
Probar_configuracion(nn, prueba12);
Probar_configuracion(nn, prueba13);
Probar_configuracion(nn, prueba14);
Probar_configuracion(nn, prueba15);
Probar_configuracion(nn, prueba16);
Probar_configuracion(nn, prueba17);
Probar_configuracion(nn, prueba18);
Probar_configuracion(nn, prueba19);
Probar_configuracion(nn, prueba20);/**/
nn.GuardarRed("test.rna");
System.out.println("*******************************************************************");
System.out.println("Cargando Datos...");
RedNeuronal nn2 = RedNeuronal.CargarRed("Funciona.rna");
Probar_configuracion(nn2, prueba1);
Probar_configuracion(nn2, prueba2);
Probar_configuracion(nn2, prueba3);
Probar_configuracion(nn2, prueba4);/**/
Probar_configuracion(nn2, prueba5);
Probar_configuracion(nn2, prueba6);
Probar_configuracion(nn2, prueba7);
Probar_configuracion(nn2, prueba8);
Probar_configuracion(nn2, prueba9);
System.out.println("*********************************");
Probar_configuracion(nn2, prueba10);
Probar_configuracion(nn2, prueba11);
Probar_configuracion(nn2, prueba12);
Probar_configuracion(nn2, prueba13);
Probar_configuracion(nn2, prueba14);
Probar_configuracion(nn2, prueba15);
Probar_configuracion(nn2, prueba16);
Probar_configuracion(nn2, prueba17);
Probar_configuracion(nn2, prueba18);
Probar_configuracion(nn2, prueba19);
Probar_configuracion(nn2, prueba20);
}
//Impresiones de los datos de prueba y lo que se obtiene.
public static void Probar_configuracion(RedNeuronal nn, float[] inputs) {
float[] results = nn.calcular(inputs);
System.out.print("Dato Prueba: ");
for (int i = 0; i < inputs.length; i++)
System.out.print(inputs[i] + " ");
System.out.print(" Resultado: ");
for (int i = 0; i < results.length; i++)
System.out.print(results[i] + " \n");
}
}