{"id":25016682,"url":"https://github.com/mateusjssilva/neural-network","last_synced_at":"2025-03-30T07:43:14.294Z","repository":{"id":213699841,"uuid":"679430251","full_name":"MateusjsSilva/neural-network","owner":"MateusjsSilva","description":"Java implementation of a simple neural network for binary classification. The neural network architecture consists of three layers: an input layer, a hidden layer, and an output layer.","archived":false,"fork":false,"pushed_at":"2023-09-02T12:16:29.000Z","size":6,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-02-05T09:54:03.848Z","etag":null,"topics":["binary-classification","java","neural-network"],"latest_commit_sha":null,"homepage":"","language":"Java","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/MateusjsSilva.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null}},"created_at":"2023-08-16T20:34:53.000Z","updated_at":"2024-09-15T15:16:51.000Z","dependencies_parsed_at":"2023-12-22T14:05:12.193Z","dependency_job_id":"5fefa073-7b2d-4a7b-a9a4-2b777c715fc0","html_url":"https://github.com/MateusjsSilva/neural-network","commit_stats":null,"previous_names":["mateusjssilva/neural-network"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/MateusjsSilva%2Fneural-network","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/MateusjsSilva%2Fneural-network/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/MateusjsSilva%2Fneural-network/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/MateusjsSilva%2Fneural-network/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/MateusjsSilva","download_url":"https://codeload.github.com/MateusjsSilva/neural-network/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":246290581,"owners_count":20753724,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["binary-classification","java","neural-network"],"created_at":"2025-02-05T09:54:07.687Z","updated_at":"2025-03-30T07:43:14.274Z","avatar_url":"https://github.com/MateusjsSilva.png","language":"Java","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Neural Network\n\nEste repositório contém uma implementação em Java de uma rede neural simples para classificação binária. A arquitetura da rede neural consiste em três camadas: uma camada de entrada, uma camada oculta e uma camada de saída.\n\n### Conteúdo\n\n- `NeuralNetwork.java`: A implementação principal da rede neural, incluindo funções de ativação, função de treinamento e função de teste.\n- `README.md`: Este arquivo de documentação, que fornece uma visão geral do código e seu uso.\n\n### Implementação da Rede Neural\n\nA classe `NeuralNetwork` contém as seguintes funções-chave:\n\n1. `sigmoid(double val)`: Função de ativação que retorna o valor sigmoid do valor de entrada.\n2. `derivadaSigmoid(double val)`: Derivada da função de ativação sigmoidal.\n3. `treinar(double taxaAprendizado, double[][] pesos, double[][] dadosEntrada, double[][] saidasEsperadas)`: Função para treinar a rede neural. Ela utiliza a retropropagação para ajustar os pesos com base nos dados de entrada e nas saídas esperadas.\n4. `testar(double[][] pesos, double[][] dadosTeste)`: Função para testar a rede neural treinada usando dados de teste.\n\n### Como Usar\n\n1. Compile e execute o arquivo `NeuralNetwork.java` utilizando um compilador Java ou um ambiente de desenvolvimento integrado (IDE) que suporte Java.\n\n2. A função `main` no código fornece um exemplo de como usar a rede neural. Ela inicializa pesos, dados de entrada e saídas esperadas. A rede é treinada usando os dados de treinamento fornecidos e, em seguida, testada nos dados de teste.\n\n3. O processo de treinamento imprime os pesos atualizados e o erro médio quadrático para cada época.\n\n4. O processo de teste imprime as previsões da rede para os dados de teste.\n\n### Ajustando Parâmetros\n\nVocê pode modificar os parâmetros e variáveis no código para experimentar com diferentes configurações da rede neural, como alterar a taxa de aprendizado, o número de épocas e os pesos iniciais.\n\n### Requisitos\n\n- Kit de Desenvolvimento Java (JDK)\n\n### Aviso\n\nEste código é destinado a fins educacionais e demonstra uma implementação básica de rede neural.","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmateusjssilva%2Fneural-network","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fmateusjssilva%2Fneural-network","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmateusjssilva%2Fneural-network/lists"}