public void CreaCapas(int[] NeuronasPorCapa, Random azar)
{
Capas = new List <Capa>();
for (int i = 0; i < NeuronasPorCapa.Length; i++)
{
if (i == 0 && i == (NeuronasPorCapa.Length - 1))
{
Capas.Add(new Capa(NeuronasPorCapa[i], Entradas.GetLength(1),
azar, 2));
}
else if (i == 0)
{
Capas.Add(new Capa(NeuronasPorCapa[i], Entradas.GetLength(1),
azar, 1));
}
else if (i == (NeuronasPorCapa.Length - 1))
{
Capas.Add(new Capa(NeuronasPorCapa[i], NeuronasPorCapa[i - 1],
azar, 2));
}
else
{
Capas.Add(new Capa(NeuronasPorCapa[i], NeuronasPorCapa[i - 1],
azar, 1));
}
}
}
public RedNeuronal(double[,] salidasDeseadas, int patrones,
double[,] entradas, int BackPropagation = 0)
{
this.Patrones = patrones;
CantidadEntradas = entradas.GetLength(1);
CantidadSalidas = salidasDeseadas.GetLength(1);
MapEntradas(entradas);
MapSalidasDeseadas(salidasDeseadas);
ErroresLinealUltimaCapa = new double[CantidadSalidas];
MayoresEntradas = new double[Entradas.GetLength(1)];
MayoresSalidas = new double[SalidasDeseadas.GetLength(1)];
NormalizarPatrones();
variacionRealDeseada = new double[CantidadSalidas * 2];
this.AlgoritmoEntrenamiento = BackPropagation;
}
private void NormalizarPatrones()
{
BuscarMayores();
for (int i = 0; i < Entradas.GetLength(0); i++)
{
for (int j = 0; j < Entradas.GetLength(1); j++)
{
Entradas[i, j] /= MayoresEntradas[j];
}
}
for (int i = 0; i < SalidasDeseadas.GetLength(0); i++)
{
for (int j = 0; j < SalidasDeseadas.GetLength(1); j++)
{
SalidasDeseadas[i, j] /= MayoresSalidas[j];
}
}
}
private void BuscarMayores()
{
for (int i = 0; i < Entradas.GetLength(0); i++)
{
for (int j = 0; j < Entradas.GetLength(1); j++)
{
if (Entradas[i, j] > MayoresEntradas[j])
{
MayoresEntradas[j] = Entradas[i, j];
}
}
}
for (int i = 0; i < SalidasDeseadas.GetLength(0); i++)
{
for (int j = 0; j < SalidasDeseadas.GetLength(1); j++)
{
if (Math.Abs(SalidasDeseadas[i, j]) > Math.Abs(MayoresSalidas[j]))
{
MayoresSalidas[j] = SalidasDeseadas[i, j];
}
}
}
}
