-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathneurona_paso3.html
95 lines (72 loc) · 2.14 KB
/
neurona_paso3.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
<html>
<SCRIPT>
// https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Array/every
// Clase Neurona unica, se inicializa con pesos y bias, se llama con entradas y se retorna la salida
class Neurona {
constructor (weights, bias) {
this.weights = weights;
this.bias = bias;
// peso[0] es el bias
//this.weights.unshift(bias);
this.output = 0;
}
forward (inputs) {
// inputs[0] es 1 para ser neutro en la multiplicacion por el bias
// inputs.unshift(1);
// inicializa
let result = 0;
// multiplica todas las entradas con los pesos (incluido el bias*1)
for(let i=0; i<inputs.length; i++){
result += inputs[i] * this.weights[i];
}
// entrega resultado como salida
this.output = result + this.bias;
}
}
// 4 entradas, 3 neuronas, tres salidas
// 4 Entradas, opc reemplazar bias como x[0]=1, asi se agrega un peso extra el cual reemplaza el valor del bias
let x = [1.0, 2.0, 3.0, 2.5];
// Pesos que conectan las 4 entradas con las 3 neuronas
let wN1 = [0.2, 0.8, -0.5, 1.0];
let wN2 = [0.5, -0.91, 0.26, -0.5];
let wN3 = [-0.26, -0.27, 0.17, 0.87];
// Sesgos de las 3 neuronas
let bias = [2.0, 3.0, 0.5];
var neurona1 = new Neurona(wN1, bias[0]);
var neurona2 = new Neurona(wN2, bias[1]);
var neurona3 = new Neurona(wN3, bias[2]);
// Proceso calculo de salida de las 3 neuronas
neurona1.forward(x);
neurona2.forward(x);
neurona3.forward(x);
// Salida
console.log(`neurona1 : ${neurona1.output}`);
console.log(`neurona2 : ${neurona2.output}`);
console.log(`neurona3 : ${neurona3.output}`);
/////////////////////////////////////////////////////
//class Matriz {
// constructor () { }
// multiply() {}
// sum() {}
//}
/*
class CapaNeuronal {
constructor (weights) {
// peso[0] es el bias
this.weights = weights;
}
forward (inputs) {
// inicializa
result = 0;
Neurona.forward(inputs)
// multiplica todas las entradas con los pesos (incluido el bias*1)
for(i=0; i<inputs.length; i++){
result += inputs[i] * this.weights[i];
}
// entrega resultado como salida
this.output = result;
}
}
*/
</SCRIPT>
</html>