Podrías revisar y pasar a C un programa
- User
Podrías revisar y pasar a C un programa
- Assistant
Claro, puedo ayudarte a revisar y convertir un programa a C. Para hacerlo, necesitaré más información específica sobre el programa que deseas convertir. Podrías proporcionar el código original, así como especificar el lenguaje en el que está escrito, y cualquier detalle adicional relevante que se deba considerar durante la conversión.
Por favor, comparte el programa original y cualquier otra información necesaria para que pueda asistirte de la mejor manera.
- User
#include <stdio.h> #include <stdlib.h> #include <math.h> #include <time.h>
// Función de activación (sigmoid) double sigmoid(double x) { return 1 / (1 + exp(-x)); }
// Derivada de la función de activación double sigmoid_derivative(double x) { return x * (1 - x); }
// Inicialización aleatoria de pesos void initialize_weights(double *weights, int size) { for (int i = 0; i < size; i++) { weights[i] = ((double)rand()) / RAND_MAX * 2 - 1; } }
int main() { // Datos de entrada (XOR problem) double input[4][2] = { {0, 0}, {0, 1}, {1, 0}, {1, 1} }; double output[4][1] = { {0}, {1}, {1}, {0} };
// Inicializar el generador de números aleatorios srand(time(0)); // Pesos aleatorios para la capa oculta (2 neuronas) double weights_hidden[2][2]; initialize_weights(&weights_hidden[0][0], 4); // Pesos aleatorios para la capa de salida (1 neurona) double weights_output[2]; initialize_weights(weights_output, 2); // Biases double bias_hidden[2]; initialize_weights(bias_hidden, 2); double bias_output = ((double)rand()) / RAND_MAX * 2 - 1; double learning_rate = 0.1; // Entrenamiento int epochs = 10000; for (int epoch = 0; epoch < epochs; epoch++) { for (int i = 0; i < 4; i++) { // Forward propagation double input1 = input[i][0]; double input2 = input[i][1]; double target = output[i][0]; // Calcular la entrada y salida de las neuronas ocultas double hidden_input[2]; double hidden_output[2]; for (int j = 0; j < 2; j++) { hidden_input[j] = input1 * weights_hidden[j][0] + input2 * weights_hidden[j][1] + bias_hidden[j]; hidden_output[j] = sigmoid(hidden_input[j]); } // Calcular la entrada y salida de la neurona de salida double output_input = hidden_output[0] * weights_output[0] + hidden_output[1] * weights_output[1] + bias_output; double predicted = sigmoid(output_input); // Error double error = target - predicted; // Backpropagation double d_predicted = error * sigmoid_derivative(predicted); // Ajustar pesos y bias de la neurona de salida for (int j = 0; j < 2; j++) { weights_output[j] += hidden_output[j] * d_predicted * learning_rate; } bias_output += d_predicted * learning_rate; // Ajustar pesos y bias de las neuronas ocultas for (int j = 0; j < 2; j++) { double d_hidden = d_predicted * weights_output[j] * sigmoid_derivative(hidden_output[j]); weights_hidden[j][0] += input1 * d_hidden * learning_rate; weights_hidden[j][1] += input2 * d_hidden * learning_rate; bias_hidden[j] += d_hidden * learning_rate; } } } // Resultados printf(“Hidden Weights:\n”); for (int i = 0; i < 2; i++) { printf(“\tNeuron %d: %f %f\n”, i, weights_hidden[i][0], weights_hidden[i][1]); } printf(“Output Weights: %f %f\n”, weights_output[0], weights_output[1]); printf(“Hidden Bias: %f %f\n”, bias_hidden[0], bias_hidden[1]); printf(“Output Bias: %f\n”, bias_output); printf(“\nPredicted Outputs:\n”); for (int i = 0; i < 4; i++) { double input1 = input[i][0]; double input2 = input[i][1]; // Calcular la entrada y salida de las neuronas ocultas double hidden_input[2]; double hidden_output[2]; for (int j = 0; j < 2; j++) { hidden_input[j] = input1 * weights_hidden[j][0] + input2 * weights_hidden[j][1] + bias_hidden[j]; hidden_output[j] = sigmoid(hidden_input[j]); } // Calcular la entrada y salida de la neurona de salida double output_input = hidden_output[0] * weights_output[0] + hidden_output[1] * weights_output[1] + bias_output; double predicted = sigmoid(output_input); printf(“Input: [%f, %f] Predicted Output: %f\n”, input1, input2, predicted); } return 0;}
- Assistant
Tu código es un programa de red neuronal básica en C para resolver el problema XOR. He revisado y corregido varios problemas menores con las comillas en las funciones
printf, ya que estaban utilizando comillas incorrectas. Aquí tienes el código corregido:#include <stdio.h> #include <stdlib.h> #include <math.h> #include <time.h> // Función de activación (sigmoid) double sigmoid(double x) { return 1 / (1 + exp(-x)); } // Derivada de la función de activación double sigmoid_derivative(double x) { return x * (1 - x); } // Inicialización aleatoria de pesos void initialize_weights(double *weights, int size) { for (int i = 0; i < size; i++) { weights[i] = ((double)rand()) / RAND_MAX * 2 - 1; } } int main() { // Datos de entrada (XOR problem) double input[4][2] = { {0, 0}, {0, 1}, {1, 0}, {1, 1} }; double output[4][1] = { {0}, {1}, {1}, {0} }; // Inicializar el generador de números aleatorios srand(time(0)); // Pesos aleatorios para la capa oculta (2 neuronas) double weights_hidden[2][2]; initialize_weights(&weights_hidden[0][0], 4); // Pesos aleatorios para la capa de salida (1 neurona) double weights_output[2]; initialize_weights(weights_output, 2); // Biases double bias_hidden[2]; initialize_weights(bias_hidden, 2); double bias_output = ((double)rand()) / RAND_MAX * 2 - 1; double learning_rate = 0.1; // Entrenamiento int epochs = 10000; for (int epoch = 0; epoch < epochs; epoch++) { for (int i = 0; i < 4; i++) { // Forward propagation double input1 = input[i][0]; double input2 = input[i][1]; double target = output[i][0]; // Calcular la entrada y salida de las neuronas ocultas double hidden_input[2]; double hidden_output[2]; for (int j = 0; j < 2; j++) { hidden_input[j] = input1 * weights_hidden[j][0] + input2 * weights_hidden[j][1] + bias_hidden[j]; hidden_output[j] = sigmoid(hidden_input[j]); } // Calcular la entrada y salida de la neurona de salida double output_input = hidden_output[0] * weights_output[0] + hidden_output[1] * weights_output[1] + bias_output; double predicted = sigmoid(output_input); // Error double error = target - predicted; // Backpropagation double d_predicted = error * sigmoid_derivative(predicted); // Ajustar pesos y bias de la neurona de salida for (int j = 0; j < 2; j++) { weights_output[j] += hidden_output[j] * d_predicted * learning_rate; } bias_output += d_predicted * learning_rate; // Ajustar pesos y bias de las neuronas ocultas for (int j = 0; j < 2; j++) { double d_hidden = d_predicted * weights_output[j] * sigmoid_derivative(hidden_output[j]); weights_hidden[j][0] += input1 * d_hidden * learning_rate; weights_hidden[j][1] += input2 * d_hidden * learning_rate; bias_hidden[j] += d_hidden * learning_rate; } } } // Resultados printf("Hidden Weights:\n"); for (int i = 0; i < 2; i++) { printf("\tNeuron %d: %f %f\n", i, weights_hidden[i][0], weights_hidden[i][1]); } printf("Output Weights: %f %f\n", weights_output[0], weights_output[1]); printf("Hidden Bias: %f %f\n", bias_hidden[0], bias_hidden[1]); printf("Output Bias: %f\n", bias_output); printf("\nPredicted Outputs:\n"); for (int i = 0; i < 4; i++) { double input1 = input[i][0]; double input2 = input[i][1]; // Calcular la entrada y salida de las neuronas ocultas double hidden_input[2]; double hidden_output[2]; for (int j = 0; j < 2; j++) { hidden_input[j] = input1 * weights_hidden[j][0] + input2 * weights_hidden[j][1] + bias_hidden[j]; hidden_output[j] = sigmoid(hidden_input[j]); } // Calcular la entrada y salida de la neurona de salida double output_input = hidden_output[0] * weights_output[0] + hidden_output[1] * weights_output[1] + bias_output; double predicted = sigmoid(output_input); printf("Input: [%f, %f] Predicted Output: %f\n", input1, input2, predicted); } return 0; }En este código, las comillas incorrectas (
“) fueron reemplazadas por comillas estándar ("), lo que debería resolver cualquier problema de compilación relacionado con los caracteres de comillas en las funcionesprintf.Si tienes alguna duda o necesitas más ayuda con alguna parte específica del código, por favor, házmelo saber.