aumentata dimensione rete neurale, verificata immagine mnist con visualizzatore, messe 1000 epoche

classificatore_singolo.c

@@ -2,20 +2,24 @@
 #include "percettroni.h"
 #include "mnist/mnist_manager.h"
 
-#define NUM_LAYERS 4
+#define NUM_LAYERS 5
 
-#define PERCETTRONI_LAYER_0 32
+#define PERCETTRONI_LAYER_0 128
 #define INPUT_LAYER_0 N_PIXEL
-#define PERCETTRONI_LAYER_1 16
-#define INPUT_LAYER_1 32
-#define PERCETTRONI_LAYER_2 8
-#define INPUT_LAYER_2 16
-#define PERCETTRONI_LAYER_3 1
-#define INPUT_LAYER_3 8
-//#define PERCETTRONI_LAYER_4 1
-//#define INPUT_LAYER_4 10
 
-#define MAX_EPOCHE 50
+#define PERCETTRONI_LAYER_1 64
+#define INPUT_LAYER_1 PERCETTRONI_LAYER_0
+
+#define PERCETTRONI_LAYER_2 32
+#define INPUT_LAYER_2 PERCETTRONI_LAYER_1
+
+#define PERCETTRONI_LAYER_3 16
+#define INPUT_LAYER_3 PERCETTRONI_LAYER_2
+
+#define PERCETTRONI_LAYER_4 1
+#define INPUT_LAYER_4 PERCETTRONI_LAYER_3
+
+#define MAX_EPOCHE 1000
 
 //Scelgo quale categoria voglio identificare. La 7 sono i cavalli. La rete mi dirà per ogni immagine se è un cavallo o no
 #define CATEGORIA 7
@@ -103,7 +107,7 @@ void main() {
                     gradienti[indice_layer] = (double*)malloc(sizeof(double) * rete_neurale.layers[indice_layer].size);
                 }
 
-                gradienti[NUM_LAYERS-1][0] = - (output_corretto - sigmoidi[NUM_LAYERS-1][0]);
+                gradienti[NUM_LAYERS-1][0] =  (output_corretto - sigmoidi[NUM_LAYERS-1][0]);
 
                 correggi_layer_interni(&rete_neurale, gradienti, sigmoidi);
                 correggi_layer_input(&rete_neurale.layers[0], gradienti, sigmoidi, set.istanze[indice_set].immagine, NUM_LAYERS);