PerceptronSimples

#criando o datase do projeto
#considerando a porta OR
ds = [
#    b  x1 x2 y    x1 e x2 sao entrada y eh a saida esperada
    [1, 0, 0, 0], #amostra 1
    [1, 0, 1, 1], #amostra 2
    [1, 1, 0, 1], #amostra 3
    [1, 1, 1, 1]  #amostra 4
]

#Peso dos neuronios
w = [1.4, 0.8, -0.9]

p_saida = len(ds)-1 #posicao de dentro da amostra da saida correta

t_e = 0.2 # taxa de aprendizagem da rede
#com t_e=0.2, levou 15 passos, t_e=1, levou 5 passos
#com t_e=1.5, levou 3 passos, t_e=2.2, levou 4 passos
#com t_e=1.4, levou 6 passos

def f_soma_amostra(amostra, peso, i_saida):
    v_total = 0
    #neste for trabalho com o valor de uma posicao
    for i, v in enumerate(amostra):
        if i < i_saida:
            v_total += v * peso[i]
    return v_total

def f_funcao_ativacao(valor):
    #funcao degrau
    if valor >= 0:
        return 1
    else:
        return 0

def f_calcula_erro(amostra, v_saida, i_saida):
    return amostra[i_saida] - v_saida

def f_ajusta_peso(tx, er, p, e):#taxa de aprendizagem, erro, peso, valor de entrada
    for idx, vp in enumerate(p):
        p[idx] = p[idx] + (tx * er * e[idx])
x=0
cont=0
while x == 0:
    x=1
#a eh a amosta
#dentro deste for trabalho com a linha
    for a in ds:
        v_saida = f_funcao_ativacao(f_soma_amostra(a, w, p_saida))

        v_error = f_calcula_erro(a, v_saida, p_saida)
        if v_error != 0:
            f_ajusta_peso(t_e, v_error, w, a)
            print(w)
            x = 0

        else:
            print("cavera meu capitao")

    cont+=1
    print(".....................",cont,"......................")