Perceptron

Este repositório contém uma implementação básica de um perceptron em Python utilizando a biblioteca numpy. Um perceptron é um tipo de neurônio artificial usado para tarefas de classificação binária.

O que é um Perceptron?

O Perceptron é uma unidade básica de uma rede neural artificial inspirada no funcionamento do neurônio biológico. Ele recebe entradas, aplica pesos às entradas, soma-as e passa o resultado através de uma função de ativação para produzir uma saída. Essa saída é usada para fazer uma previsão ou tomar uma decisão.

Estrutura do Perceptron

Um perceptron consiste em:

• Entradas: Valores que o perceptron recebe como entrada.
• Pesos: Cada entrada é multiplicada por um peso correspondente.
• Soma ponderada: As entradas multiplicadas pelos pesos são somadas.
• Função de Ativação: A soma ponderada é passada através de uma função de ativação para produzir a saída do perceptron.

Funcionamento do Perceptron

1. Inicialização: Os pesos do perceptron são inicializados aleatoriamente.
2. Treinamento: Os pesos são ajustados iterativamente com base nos erros de previsão. Durante o treinamento, os dados de entrada são alimentados ao perceptron, e os pesos são atualizados para minimizar os erros de saída.
3. Predição: Uma vez treinado, o perceptron pode ser usado para fazer previsões para novos dados de entrada.

Arquivos do Projeto

• perceptron.py: Contém a implementação da classe Perceptron com métodos para treinamento, predição e avaliação de acurácia.
• README.md: Este arquivo, fornecendo uma visão geral do projeto e instruções sobre como utilizá-lo.

Requisitos

• Python 3.x
• numpy

Você pode instalar o numpy usando pip:

Explicação do Código

Este código realiza o treinamento de um perceptron utilizando os dados de entrada variaveis e os alvos target, em seguida, realiza a predição para cada par de valores de entrada e calcula a acurácia do modelo.

Funcionamento do Código

Este código implementa um exemplo de treinamento e utilização de um perceptron para realizar a classificação de dados. Aqui está uma explicação passo a passo do que o código faz:

1. Importa a classe Perceptron do arquivo perceptron.py e a biblioteca numpy.
2. Define os dados de treinamento variaveis e os alvos target. variaveis representa os pares de valores de entrada, e target representa os valores alvo correspondentes.
3. Inicializa um objeto Perceptron com dois neurônios de entrada.
4. Chama o método treinamento do perceptron, passando os dados de treinamento, uma taxa de aprendizado de 0.1 e 100 épocas de treinamento. Isso ajusta os pesos do perceptron com base nos dados de treinamento fornecidos.
5. Realiza a predição para cada par de valores de entrada (0, 0), (0, 1), (1, 0) e (1, 1) usando o método predicao do perceptron com os pesos calculados no passo anterior.
6. Calcula a acurácia do perceptron usando o método acuracia, comparando as predições com os valores alvo.
7. Imprime as predições para cada par de valores de entrada e a acurácia do modelo.

O objetivo final é demonstrar como um perceptron pode ser treinado e utilizado para realizar a classificação de dados e avaliar sua precisão.