1. using System;
2. using System.Collections.Generic;
3. using System.Diagnostics;
4. using System.Linq;
5. using System.Text;
6. using System.Threading.Tasks;
7.  
8. namespace Zadanie1
9. {
10.     public class Perceptron
11.     {
12.         private const int size = 25;
13.         private double[] weights = new double[size];
14.         private Random rand = new Random();
15.  
16.         public Perceptron()
17.         {
18.             // losuję wagi weights[i] małe, bliskie 0
19.             for (int i = 0; i < size; i++) weights[i] = rand.NextDouble();
20.         }
21.  
22.         public double Output(double[] input) //do inputu dodac gdziekolwiek jedynkę
23.         {
24.  
25.             double suma = 0;
26.  
27.             for (int i = 0; i < size; i++) suma = suma + input[i] * weights[i];
28.             return suma;
29.         }
30.  
31.         public void Train(double[][] data, int iter)
32.         {
33.             //prog bledu; error,zeby nie uczyl sie w nieskonczonosc
34.             double ERROR = 0.000000001;
35.             double error = 1;
36.  
37.             //stala uczenia
38.             double learnConst = 0.00001;
39.             double index = 0;
40.  
41.             for (int i = 0; i < iter; i++)
42.             {
43.                 foreach (double[] x in data)
44.                 {
45.                     double y = x[x.Length - 1];
46.  
47.                     for (int l = 0; l < size; l++) weights[l] = weights[l] + learnConst * (y - Output(x)) * x[l];
48.                 }
49.              
50.                 error = CheckError(data);
51.  
52.                 if (error < ERROR) break;
53.             }
54.         }
55.         //checkerror z wykładu wzór
56.         public double CheckError(double[][] data)
57.         {
58.             double result = 0;
59.             double tmp;
60.             double C;
61.  
62.             foreach (double[] x in data)
63.             {
64.                 tmp = Output(x);
65.                 C = x[25];
66.                 result = result + Math.Pow(tmp - C, 2);
67.             }
68.  
69.             return result;
70.         }
71.     }
72. }
73.  
74. -----------------------------------------------------------------------------------------------------------------------------
75. using System;
76. using System.Collections.Generic;
77. using System.Diagnostics;
78. using System.Linq;
79. using System.Text;
80. using System.Threading.Tasks;
81.  
82.  
83. namespace Zadanie1
84. {
85.     class Perceptrons
86.     {
87.         private Perceptron[] perceptrons;
88.         private int N = 10;
89.  
90.         public Perceptrons()
91.         {
92.             perceptrons = new Perceptron[N];
93.             for (int i = 0; i < N; i++) perceptrons[i] = new Perceptron();
94.         }
95.  
96.         public void TrainPerceptrons()
97.         {
98.             for (int i = 0; i < N; i++)
99.             {
100.                 Debug.WriteLine("Zaczynam uczyć: {0}", i);
101.                 perceptrons[i].Train(NumbersSamples.makeDataForPercepton(i), 30000);
102.             }
103.         }
104.  
105.         public List<int> getCorrectPerceptrons(double[] input)
106.         {
107.             List<int> wynik = new List<int>();
108.             //zliczamy ilosc dobrych porownan, gdy perceptron rozpozna cyfre
109.             for(int i = 0; i < N; i++)
110.             {
111.                 if (perceptrons[i].Output(input) > 0) wynik.Add(i);
112.             }
113.  
114.             return wynik;
115.         }
116.  
117.     }
118. }
119.