# -*- coding: UTF-8 -*-
import sys
from math import *
from random import *
import numpy as np
###########################
# Perceptronクラスの定義
# coded by Y.Suganuma
###########################
class Perceptron :
#########################
# コンストラクタ
# max : 最大学習回数
# n : 訓練例の数
# p : 入力セルの数
#########################
def __init__(self, max_i, n_i, p_i) :
# 設定
self.max = max_i
self.n = n_i
self.p = p_i
# 領域の確保
self.E = np.empty((self.n, self.p+1), np.int) # 訓練例
self.W_p = np.empty(self.p+1, np.int) # 重み（ポケット）
self.W = np.empty(self.p+1, np.int) # 重み
self.C = np.empty(self.n, np.int) # 各訓練例に対する正しい出力
#########################################
# 訓練例の分類
# return : 正しく分類した訓練例の数
#########################################
def Bunrui(self) :
num = 0
for i1 in range(0, self.n) :
s = 0
for i2 in range(0, self.p+1) :
s += self.W[i2] * self.E[i1][i2]
if (s > 0 and self.C[i1] > 0) or (s < 0 and self.C[i1] < 0) :
num += 1
return num
##########################
# 学習データの読み込み
# name : ファイル名
##########################
def Input(self, name) :
f = open(name, "r")
f.readline()
for i1 in range(0, self.n) :
self.E[i1][0] = 1
s = f.readline().split()
for i2 in range(1, self.p+1) :
self.E[i1][i2] = int(s[i2-1])
self.C[i1] = int(s[self.p])
f.close()
#################################
# 学習と結果の出力
# pr : =0 : 画面に出力
# =1 : ファイルに出力
# name : 出力ファイル名
#################################
def Learn(self, pr, name="") :
num = np.empty(1, np.int)
n_tri = self.Pocket(num)
if pr == 0 :
out = sys.stdout
else :
out = open(name, "w")
out.write("重み\n")
for i1 in range(0, self.p+1) :
out.write(" " + str(self.W_p[i1]))
out.write("\n")
out.write("分類結果\n")
for i1 in range(0, self.n) :
s = 0
for i2 in range(0, self.p+1) :
s += self.E[i1][i2] * self.W_p[i2]
if s > 0 :
s = 1
else :
if s < 0 :
s = -1
else :
s = 0
for i2 in range(1, self.p+1) :
out.write(" " + str(self.E[i1][i2]))
out.write(" Cor " + str(self.C[i1]) + " Res " + str(s) + "\n")
if self.n == num[0] :
print(" ！！すべてを分類（試行回数：" + str(n_tri) + "）")
else :
print(" ！！" + str(num[0]) + " 個を分類")
############################################
# Pocket Algorith with Ratcet
# num_p : 正しく分類した訓練例の数
# return : =0 : 最大学習回数
# >0 : すべてを分類（回数）
############################################
def Pocket(self, num_p) :
# 初期設定
count = 0
run = 0
run_p = 0
sw = -1
num_p[0] = 0
for i1 in range(0, self.p+1) :
self.W[i1] = 0
# 実行
while sw < 0 :
count += 1
if count > self.max :
sw = 0
else :
# 訓練例の選択
k = int(random() * self.n)
if k >= self.n :
k = self.n - 1
# 出力の計算
s = 0
for i1 in range(0, self.p+1) :
s += self.W[i1] * self.E[k][i1]
# 正しい分類
if (s > 0 and self.C[k] > 0) or (s < 0 and self.C[k] < 0) :
run += 1
if run > run_p :
num = self.Bunrui()
if num > num_p[0] :
num_p[0] = num
run_p = run
for i1 in range(0, self.p+1) :
self.W_p[i1] = self.W[i1]
if num == self.n :
sw = count
# 誤った分類
else :
run = 0
for i1 in range(0, self.p+1) :
self.W[i1] += self.C[k] * self.E[k][i1]
return sw
----------------------------------
# -*- coding: UTF-8 -*-
import numpy as np
import sys
from math import *
from random import *
from function import Perceptron
####################################
# パーセプトロン学習
# （Pocket Algorith with Ratcet）
# coded by Y.Suganuma
####################################
if len(sys.argv) > 1 :
# 基本データの入力
f = open(sys.argv[1], "r")
s = f.readline().split()
max = int(s[1])
p = int(s[3])
n = int(s[5])
s = f.readline().split()
name = s[1]
f.close()
# ネットワークの定義
net = Perceptron(max, n, p)
net.Input(name)
# 学習と結果の出力
if len(sys.argv) == 2 :
net.Learn(0)
else :
net.Learn(1, sys.argv[2])
else :
print("***error 入力ファイル名を指定して下さい")
---------------------入力ファイル------------
最大試行回数 100 入力セルの数 2 訓練例の数 4
入力データファイル or.dat
---------------------or.dat--------------
OR演算の訓練例．最後のデータが目標出力値
-1 -1 -1
-1 1 1
1 -1 1
1 1 1