lavoro ancora alle nuove formule

classificatore_singolo.c

@@ -71,6 +71,7 @@ void main() {
 
                 //gradienti è un array bidimensionale, la prima dimensione identifica il layer, la seconda il percettrone nel layer
                 //gradienti[indice_layer][indice_percettrone]
+                //Questo vettore identifica i gradienti dei percettroni
                 double **gradienti = (double**)malloc(sizeof(double*) * NUM_LAYERS);
 
                 //Alloco la dimensione per ogni layer
@@ -88,7 +89,27 @@ void main() {
                     - gradiente dell'errore retropropagato = peso del ne
                     
                 */
-                gradienti[NUM_LAYERS-1][0] = (output_corretto - sigmoidi[NUM_LAYERS-1][0]);
+                
+                double gradiente_errore = (output_corretto - sigmoidi[NUM_LAYERS-1][0]);
+                double derivata_sigmoide_out = sigmoidi[NUM_LAYERS-1][0] * (1 - sigmoidi[NUM_LAYERS-1][0]);
+                
+                gradienti[NUM_LAYERS-1][0] = gradiente_errore * derivata_sigmoide_out;
+
+                //Ricorda di partire dal penultimo layer in quanto l'ultimo è già fatto
+                discesa_gradiente(rete_neurale, sigmoidi, gradienti);
+
+                /* A questo punto ho tutti i gradienti dei percettroni, non mi resta che trovare i gradienti dei pesi e correggerli
+                */
+               
+               //Applico la correzione dal penultimo layer andando indietro fino al secondo (il primo si fa diverso)
+               for(int indice_layer = NUM_LAYERS - 2; indice_layer > 0; indice_layer--) {
+                    //Applico la correzione a tutti i percettroni del layer dal primo a seguire
+                    for(int indice_percettrone = 0; indice_percettrone <= rete_neurale.layers[indice_layer].size; indice_percettrone++) {
+                        correggi_pesi_percettrone();
+                    }
+                }
+                
+                //gradienti[NUM_LAYERS-1][0] = (output_corretto - sigmoidi[NUM_LAYERS-1][0]);
                 errore_totale += gradienti[NUM_LAYERS-1][0];
 
                 correggi_layer_interni(&rete_neurale, gradienti, sigmoidi);