void EntrenarRed()
{
float error = 1;
int epoch = 0; // cantidad de veces que haces el entrenamiento
while ((error > 0.05f) && (epoch < 50000))
{
error = 0;
epoch++;
for (int i = 0; i < entrenamiento.GetLength(0); i++)
{
for (int j = 0; j < numInput; j++)
{
red.SetInput(j, entrenamiento[i, j]);
}
for (int j = numInput; j < numInput + numOutput; j++)
{
red.SetOutputDeseado(j - numInput, entrenamiento[i, j]);
}
red.FeedForward();
error += red.CalcularError();
red.BackPropagation();
}
// VER COMO EVOLUCIONA EL ERROR A MEDIDA QUE AVANZAN LOS EPOCHS
error /= entrenamiento.GetLength(0);
}
}
//Se entrena la red neural con los valores del entrenamiento predeterminado
private void EntrenarRed()
{
float error = 1;
int epoch = 0;
//Se reentrena numerosas veces ya que los primeros pesos son aleatorios y tienes que asegurar un primer entrenamiento optimo
while ((error > 0.05f) && (epoch < 50000))
{
error = 0;
epoch++;
for (int i = 0; i < entrenamiento.GetLength(0); i++)
{
//Entrenar la red
for (int j = 0; j < numInput; j++)
{
red.SetInput(j, entrenamiento[i, j]);
}
//Ajusta los outputs deseados
for (int j = numInput; j < numInput + numOutput; j++)
{
red.SetOutputDeseado(j - numInput, entrenamiento[i, j]);
}
//Calculo de los valores de las neuronas
red.FeedForward();
error += red.CalcularError();
red.BackPropagation();
}
error /= entrenamiento.GetLength(0);
// VER COMO EVOLUCIONA EL ERROR A MEDIDA QUE AVANZAN LOS EPOCHS
}
}
private void EntrenarRed()
{
float error = 1;
int epoch = 0;
//Debug.Log("entrenamiento.GetLength(0) " + entrenamiento.GetLength(0));
while ((error > 0.05f) && (epoch < 50000))
{
error = 0;
epoch++;
for (int i = 0; i < entrenamiento.GetLength(0); i++)
{
for (int j = 0; j < numInput; j++)
{
//Debug.Log("i: " + i + " j: " + j);
red.SetInput(j, entrenamiento[i, j]);
}
for (int j = numInput; j < numInput + numOutput; j++)
{
red.SetOutputDeseado(j - numInput, entrenamiento[i, j]);
}
red.FeedForward();
error += red.CalcularError();
red.BackPropagation();
}
error /= entrenamiento.GetLength(0);
// VER COMO EVOLUCIONA EL ERROR A MEDIDA QUE AVANZAN LOS EPOCHS
}
}
//funcion que entrena a la red con la matriz de entrenamiento
//si clicamos el bool randomLearn en el inspector, la matriz de entrenamiento se iniciara con valores aleatorios
private void EntrenarRed()
{
float error = 1;
int epoch = 0;
if (randomLearn)
{
for (int i = 0; i < entrenamiento.GetLength(0); i++)
{
for (int j = 0; j < entrenamiento.GetLength(1); j++)
{
entrenamiento[i, j] = Random.Range(0, 0.99f);
}
}
}
while ((error > 0.05f) && (epoch < 50000))
{
error = 0;
epoch++;
for (int i = 0; i < entrenamiento.GetLength(0); i++)
{
for (int j = 0; j < numInput; j++)
{
red.SetInput(j, entrenamiento[i, j]);
}
for (int j = numInput; j < numInput + numOutput; j++)
{
red.SetOutputDeseado(j - numInput, entrenamiento[i, j]);
}
red.FeedForward();
error += red.CalcularError();
red.BackPropagation();
}
error /= entrenamiento.GetLength(0);
// VER COMO EVOLUCIONA EL ERROR A MEDIDA QUE AVANZAN LOS EPOCHS
}
}
