projekt

clear all;
% generovanie treningovej vzorky
poc = 1;
for x1 = 0:0.2:1.8
  for y1 = 0:0.2:1.8
    z = (x1 - (y1.*y1))./(x1+y1+1);
    VstupSiete(poc,1)=x1;
    VstupSiete(poc,2)=y1;
    VstupSiete(poc,3)=z;
    poc=poc+1;
   end;
end;

% vykreslenie treningovej vzorky
figure;
scatter3(VstupSiete(1:rows(VstupSiete),1), VstupSiete(1:rows(VstupSiete),2), VstupSiete(1:rows(VstupSiete),3));

% normalizacia
maximum = max(max(abs(VstupSiete)));
if maximum > 1
  N_VstupSiete = VstupSiete/maximum;
else
  N_VstupSiete = VstupSiete;
end;

% nastavenie poctu neuronov v jednotlivych vrstvach
pocetVstup=2;
pocet1Skryta=4;
pocet2Skryta=3;

% nahodna inicializacia vah
Vahy1 = rand(pocetVstup+1, pocet1Skryta);
Vahy1(3,:) = ones(1);
Vahy2 = rand(pocet1Skryta+1, pocet2Skryta);
Vahy2(pocet1Skryta+1,:) = ones(1);
Vahy3 = rand(pocet2Skryta+1, 1);
Vahy3(pocet2Skryta+1,:) = ones(1);

Potencial1Skrytej=ones(1,pocet1Skryta);
Potencial2Skrytej=ones(1,pocet2Skryta);
PotencialVystupnej=ones(1,1);

% inicializacia vstupov
Vystupy0 = ones(1,3);
Vystupy0(3)=-1;
Vystupy1 = ones(1,pocet1Skryta+1);
Vystupy1(pocet1Skryta+1)=-1;
Vystupy2 = ones(1,pocet2Skryta+1);
Vystupy2(pocet2Skryta+1)=-1;
Vystupy3 = ones(1,1);

chybaSiete = ones(1,1);
VysledkySiete=ones(100,1);

for e=1:50
  chybaSiete = 0;
  for r=1:100

    Vystupy0(1)=N_VstupSiete(r,1);
    Vystupy0(2)=N_VstupSiete(r,2);

    for i=1:pocet1Skryta
      Potencial1Skrytej(1,i)=Vystupy0(1,:)*Vahy1(:,i);
      Vystupy1(1,i)=tanh(Potencial1Skrytej(1,i));
    end;

    for i=1:pocet2Skryta
      Potencial2Skrytej(1,i)=Vystupy1(1,:)*Vahy2(:,i);
      Vystupy2(1,i)=tanh(Potencial2Skrytej(1,i));
    end;

    PotencialVystupnej(1,1)=Vystupy2(1,:)*Vahy3(:,1);
    Vystupy3(1,1)=tanh(PotencialVystupnej(1,1));

    % delty
    ChybaNaVystupe = ones(1,1);
    ChybaNaVystupe = (1-tanh(PotencialVystupnej(1,1))^2)*(N_VstupSiete(r,3)-Vystupy3);

    Chyba2Vrstva = ones(1,pocet2Skryta);
     for i=1:pocet2Skryta
      Chyba2Vrstva(1,i) = (1-tanh(Potencial2Skrytej(1,i))^2)*(Vahy3(i,1)*ChybaNaVystupe(1,1));
    end;

    pomocnySucin = ones(1,pocet1Skryta);
    Chyba1Vrstva = ones(1,pocet1Skryta);
    for i=1:pocet1Skryta
      for j=1:pocet2Skryta
        pomocnySucin(1,i)=Vahy2(i,j)*Chyba2Vrstva(1,j);
      end;

      Chyba1Vrstva(1,i) = (1-tanh(Potencial1Skrytej(1,i))^2)*pomocnySucin(1,i);
    end;

    % zmena vah
    UciaciPomer = 0.1;
    for i=1:(pocetVstup+1)
      for j=1:pocet1Skryta
        pomocnySucin(i,j)=UciaciPomer*Chyba1Vrstva(1,j)*Vystupy0(1,i);
        Vahy1(i,j)=Vahy1(i,j)+pomocnySucin(i,j);
      end;
    end;

    for i=1:(pocet1Skryta+1)
      for j=1:pocet2Skryta
        pomocnySucin(i,j)=UciaciPomer*Chyba2Vrstva(1,j)*Vystupy1(1,i);
        Vahy2(i,j)=Vahy2(i,j)+pomocnySucin(i,j);
      end;
    end;

    for i=1:(pocet2Skryta+1)
      pomocnySucin(i,1)=UciaciPomer*ChybaNaVystupe(1,1)*Vystupy2(1,i);
      Vahy3(i,j)=Vahy3(i,1)+pomocnySucin(i,1);
    end;
    VysledkySiete(r,1) = Vystupy3;

    celkovaChyba = ((N_VstupSiete(r,3)-Vystupy3(1,1))^2)*0.5;
    chybaSiete = chybaSiete + celkovaChyba;
  end;
  % celkova chyba epochy
  chybaSiete
  chyby(e,1)=chybaSiete;
end;

figure;
plot(N_VstupSiete(:,3),'r');hold on;
plot(VysledkySiete(:,1),'b');

figure;
plot(chyby(:,1),'g');