as

% Řešení příkladu 3 z předmětu MUIN
% Jednovrstvá neuronová síť s přenosovou funkcí hyperbolického tangentu
% úpravy:
% 19-10-2015 davidek

clear all
close all
clc


num_bias = 1;
num_in = 5;
num_neuron = num_in ;

in_bias = 1

r_obr = 1;
s_obr = num_in;
in = csvread('data.csv'); % vstupní data


w = (rand(r_obr * s_obr + num_bias, num_neuron)*2-1)/100   % pocatecni nastaveni vah, vcetne prahu
vystup = zeros(1, num_neuron);
d = eye(num_neuron, num_in)*2-1;                           % vytvoreni žádaných hodnot na výstupu

mu = 0.01;                                   % koeficient uceni
max_iter = 2000;                            % maximalni pocet iteraci
iter = 1;                                   % iterace
Ec = 100;                                   % chyba site
Ec_max = 0.5;                               % maximalni chyba site pro ukonceni

while (iter < max_iter)&&(Ec > Ec_max)      % iterace uceni
    Ec = 0;
    for vzor = 1:num_in
%         %%%%%%FOREM
%         for neuron = 1:10
%             vystup(neuron) = tanh([in(vzor, :) 1] * w(:, neuron));
%             chyba = (d(vzor, neuron) - vystup(neuron));
%             w(:, neuron) = w(:, neuron) + (my * (1 - vystup(neuron)^2) * chyba  * [in(vzor, :) 1])';
%             Ec = Ec + 0.5 *chyba * chyba';
%         end
%         %%%%%%MATICOVE
            vystup = tanh([in(vzor, :) in_bias] * w);
            chyba = (d(vzor, :) - vystup);
            w = w + [in(vzor, :) 1]' * mu * (chyba .* (1 - vystup.^2));
            Ec = Ec + 0.5 * chyba * chyba';
    end
    Ec_it(iter) =  Ec;
    iter = iter + 1;
end

figure(1)
plot(Ec_it)
title('Chyba site');
xlabel('Iterace');
ylabel('Ec');                %vykresleni prubehu chyby


sum_max = 0.5
pom_test = csvread('data.csv');
pom_test = pom_test .* ((1-sum_max) + sum_max * rand(size(pom_test)) )
    figure (2)
    pom = 0;
for i = 1:5
    if i == 6
        figure(4)
        pom = 5;
    end

%     vstup
    subplot(3,5,i-pom)
    colormap(gray);         %cernobile vykreslovani
    bar(in(i, :));
    ylim([-1, 1])

%     zašumělý vstup
    subplot(3,5,i+5-pom)
    bar(pom_test(i,:));
    ylim([-1, 1])

%     výstup z naučené neruronové sítě
    subplot(3,5,i+10-pom)
    vysledek = tanh([pom_test(i,:) 1] * w);
    bar(vysledek);
    ylim([-1, 1])
end