//Neurona artificial basica.
//Autor Rafael Angel Montero Fernández.
public class NRA
{ private Mensajes msj=new Mensajes();
private double vPeso1, vPeso2, vPeso3;//Lo correcto es usar un vector o una matriz, ya que los pesos son las sinapsis de la neurona y una neurona puede tener N cantidad de sinapsis. Pero para este ejemplo y como aun no domino las matrices en Java, mejor algo basico.
private double vTasa_de_aprendizaje;//Es el nivel de aprendizage de la neurona artificial.
private double vUmbral_de_activacion;//El umbral o maximo o minimo nivel de activacion de la neurona al recivir algun estimulo.
private int vRespuesta_a_devolver;
public NRA(double nuevo_peso1,double nuevo_peso2,double nuevo_peso3, int devolver)
{//En caso de usarse un vector para los pesos entonces, el parametro del cosntructor debe ser un vector llamado Vector mPesos.
vRespuesta_a_devolver=devolver;//Puede ser cargado con 1, 2, 3
//Valores predefinidos para arrancar pero si conoces más de la tecnologia Neuroredes Artificiales puedes poner otros valores.
this.vPeso1=nuevo_peso1;
this.vPeso2=nuevo_peso2;
this.vPeso3=nuevo_peso3;
this.vUmbral_de_activacion=1.5;//Valor original cero
if(vRespuesta_a_devolver==2)
{ this.vUmbral_de_activacion=-0.1;
}//if
this.vTasa_de_aprendizaje=0.1;
}//Fin del constructor.
public int salida (double nueva_entrada1,double nueva_entrada2,double nueva_entrada3)//Por nomenclatura se ha usado la f para indicar que se trata de una funcion capaz de retornar datos.
{ double vSumatoria= (nueva_entrada1 * this.vPeso1) + (nueva_entrada2 * this.vPeso2) + (nueva_entrada3 * this.vPeso3);
//Finalmente he logrado hacer que la neurona artificial sea capaz de devolver 3 valores diferentes y que sea capaz de aprender.
if(vRespuesta_a_devolver==1)//Para devolver cero
{ return (vSumatoria > this.vUmbral_de_activacion ? 1:0);
}
else if(vRespuesta_a_devolver==3)//Para devolver menos uno
{ return (vSumatoria > this.vUmbral_de_activacion ? -1:1);
}
else if(vRespuesta_a_devolver==2)//Para devolver 1
{ return (vSumatoria > this.vUmbral_de_activacion ? 1:0);
}
return (vSumatoria > this.vUmbral_de_activacion ? 1:0);
}//Fin de fSalida
//Funcion principal de esta neurona. Aunque cuando se quiere hacer una red, se conecta una primera fila con las entradas para el usuario y las filas secundarias tienen su entrada conectada con la salida de la primera fila, la neurona de salida tiene su salida libre para mostrar los datos en pantalla.
private double entrenando (double nueva_entrada1,double nueva_entrada2,double nueva_entrada3)//
//Se usa en fEntrenamiento_supervisado
{ double vSumatoria= (nueva_entrada1 * this.vPeso1) + (nueva_entrada2 * this.vPeso2) + (nueva_entrada3 * this.vPeso3);
return (vSumatoria > this.vUmbral_de_activacion ? 1:0);
}//Fin de entrenando
public int fEntrenamiento_supervisado(double nueva_entrada1,double nueva_entrada2,double nueva_entrada3, int nueva_salida_deseada_por_el_usuario)
{//Las neuronas solo se programan una vez y cada vez que se quiera que realice una tarea diferente entonces se le entrena. La red si debe ser configurada de acuerdo a la tarea pero eso se puede definir para que sea realizable durante la ejecucion del programa.
double vResultado = salida ( nueva_entrada1, nueva_entrada2, nueva_entrada3);
int vRespuesta=0;//Salida de la funcion.
if (vResultado != nueva_salida_deseada_por_el_usuario)
{
if (vResultado > nueva_salida_deseada_por_el_usuario)
{ //Actualizacion de los pesos (Sinapsis)
this.vPeso1 = this.vPeso1 - (this.vTasa_de_aprendizaje * nueva_entrada1);
this.vPeso2= this.vPeso2 - (this.vTasa_de_aprendizaje * nueva_entrada2);
this.vPeso3= this.vPeso3 - (this.vTasa_de_aprendizaje * nueva_entrada3);
//--------------------------------------------------------
//Actualizacion del umbral de activacion
this.vUmbral_de_activacion += this.vTasa_de_aprendizaje;
}//Fin del if >
else
{ //Actualizacion de los pesos (Sinapsis)
this.vPeso1 = this.vPeso1 + (this.vTasa_de_aprendizaje * nueva_entrada1);
this.vPeso2= this.vPeso2 + (this.vTasa_de_aprendizaje * nueva_entrada2);
this.vPeso3= this.vPeso3 + (this.vTasa_de_aprendizaje * nueva_entrada3);
//--------------------------------------------------------
//Actualizacion del umbral de activacion
this.vUmbral_de_activacion -= this.vTasa_de_aprendizaje;
}//Fin del else anidado >
//No es igual
if ( (vRespuesta_a_devolver==3) || (vRespuesta_a_devolver==1) )
{ vRespuesta=1;//Neurona activada y respuesta positiva.
}
else
{ vRespuesta=0;}
}//Fin del if !=
else
{//Si es igual a la repuesta deseada.
//Mostrar un mensaje que muestre el valor de los pesos.
if (vRespuesta_a_devolver==2)
{ vRespuesta=1;//Neurona desactivada y respuesta negativa.
//System.out.println(getUmbral_de_activacion());
}
else if (vRespuesta_a_devolver==3)
{ vRespuesta=-1;
}
else if (vRespuesta_a_devolver==1)
{ vRespuesta=0;
}
}//Fin del else !=
return vRespuesta;
}//Fin de fEntrenamiento_supervisado
public double getUmbral_de_activacion()
{ return this.vUmbral_de_activacion;
}//Fin de getUmbral_de_activacion
public double getTasa_de_aprendizaje()
{ return this.vTasa_de_aprendizaje;
}//Fin de getTasa_de_aprendizaje
public String getPesos()
{ /*
* Se ha usado un String para retornar los tres valores de los pesos ceparados con
* saltos de linea.
* Pero en lugar del String para quienes dominen los vectores, va un vector.
* Quedaría así:
* public Vector getPesos(){...}
*/
return "" + this.vPeso1 + "\n" + this.vPeso2 + "\n" + this.vPeso3;
}//Fin de getPesos
//Conclusiones: Esta neurona artificial es parte de una red más grande con diferentes diseños de neuronas.
}//Fin del class
Comentarios sobre la versión: 1.0 (0)
No hay comentarios