versione finale si spera. Trova sempre soluzione con pesi random

single_layer.py

@@ -24,30 +24,11 @@ for i in range(1,100000): #Epoche
 
     for j in range(0,4): #Combinazioni
         y = p.funzione_sigmoide(x[j][0], x[j][1])
-        
-        if y >= soglia_funzione_attivazione:
-            previsione = 1
-        else:
-            previsione = 0
-
-        if previsione == output[j]:
-            corrette += 1
 
         #La formula del costo è sicuro questa, la retta scappa se tolgo il meno
         #Y è confermato, se metto la previsione invece di y la retta non corrisponde
         errore = -(output[j] - y)
 
-        #Il gradiente può non essere calcolato nel percettrone singolo, funziona lo stesso
-        gradiente_w1 = errore * y * (1-y) * x[j][0]
-        gradiente_w2 = errore * y * (1-y) * x[j][1]
-        gradiente_bias = errore * y * (1-y)
-        p.correggi_pesi(gradiente_w1, gradiente_w2, gradiente_bias)
-        
-        if errore != 0:
-            pass
-        else:
-            corrette += 1
-
         print("\n")
         disegna_funzione(p, y, x[j][0], x[j][1], True, errore)
 
@@ -57,5 +38,19 @@ for i in range(1,100000): #Epoche
             rette.append([m,q])
         except ZeroDivisionError:
             pass
+        
+        if y >= soglia_funzione_attivazione:
+            previsione = 1
+        else:
+            previsione = 0
+
+        if previsione == output[j]:
+            corrette += 1
+        else:
+            #Il gradiente può non essere calcolato nel percettrone singolo, funziona lo stesso
+            gradiente_w1 = errore * y * (1-y) * x[j][0]
+            gradiente_w2 = errore * y * (1-y) * x[j][1]
+            gradiente_bias = errore * y * (1-y)
+            p.correggi_pesi(gradiente_w1, gradiente_w2, gradiente_bias)
 
 disegna_grafico_singolo(rette)