private void DoBackPropagation(double[] outPattern)
{
//CALCULA ERRO NA CAMADA DE SAÍDA!
CalculateErrorOut(outPattern);
//Calcula o erro nas camadas intermediárias
//ErrorA = Output A (1 - Output A)(ErrorB WAB + ErrorC WAC)
//VEM PROPAGANDO DE TRÁS PARA FRENTE. COMEÇA NA PENÚLTIMA CAMADA E VAI ATÉ A PRIMEIRA
for (int x = layers.Count - 2; x >= 0; x--)
{
BackpropagationLayer layerL = layers[x];
BackpropagationLayer layerR = layers[x + 1];
//PARA CADA NEURÔNIO DA CAMADA DA ESQUERDA
for (int y = 0; y < layerL.neurons.Count; y++)
{
BackpropagationNeuron neuronL = layerL.neurons[y];
neuronL.valueError = 0;
//CALCULA O ERRO
double sum = 0;
for (int z = 0; z < layerR.neurons.Count; z++)
{
//para cada neurônio da camada da direita, pega ele e encontra a conexão entre os 2
BackpropagationNeuron neuronR = layerR.neurons[z];
for (int c = 0; c < neuronR.listConnection.Count; c++)
{
BackpropagationConnection connection = neuronR.listConnection[c];
if (connection.neuron == neuronL)
{
//acumula a soma do (erro do neuronio da direita * peso da ligacao)
sum += neuronR.valueError * connection.valueWeight;
//e
//atualiza peso da conexão
//WAB = WAB + (ErrorB x OutputA)
connection.valueWeight = connection.valueWeight + (neuronR.valueError * neuronL.valuePattern);
}
}
}
//ErrorA = Output A (1 - Output A)(ErrorB WAB + ErrorC WAC)
neuronL.valueError = neuronL.valuePattern * (1 - neuronL.valuePattern) * sum;
}
}
}
private void CalculateSum(BackpropagationLayer layer)
{
for (int x = 0; x < layer.neurons.Count; x++)
{
BackpropagationNeuron neuron = layer.neurons[x];
//CALCULA A SOMA PARA CADA NEURONIO DA CAMADA.
//PARA ISSO, APURA CADA RELAÇÃO DE SUA CONEXAO (BACKWARD).
double sum = 0;
for (int y = 0; y < neuron.listConnection.Count; y++)
{
BackpropagationConnection connection = neuron.listConnection[y];
// Formula: (E x*w)
sum += (connection.neuron.GetValuePattern() * connection.valueWeight);
}
//APLICA A FUNÇÃO DE TRANSFERÊNCIA.
neuron.SetValuePattern(TransferFunction(sum));
}
}