Treinamento Supervisionado do Perceptron de Rosenblatt 🧮

Este repositório contém a implementação de um Perceptron de Rosenblatt em C#, desenvolvido como parte de um projeto prático para a disciplina de Inteligência Artificial Aplicada. O objetivo principal foi treinar o Perceptron para classificar entradas com base em um número de Registro Único (RU), utilizando aprendizado supervisionado. O código foi implementado manualmente, sem o uso de bibliotecas externas para aprendizado de máquina, promovendo uma compreensão aprofundada do algoritmo.

---

Conteúdo do Repositório 📁

• Program.cs: Arquivo principal que coordena o treinamento do Perceptron.
• Perceptron.cs: Implementação da classe que encapsula a lógica do modelo, incluindo previsão, treinamento e exportação de resultados.
• README.md: Este arquivo, contendo informações sobre o projeto, sua execução e detalhes do funcionamento.

---

Objetivo 📌

O projeto visa:

• Implementar o Perceptron de Rosenblatt do zero em C#, aplicando aprendizado supervisionado para treinar o modelo.
• Classificar corretamente entradas numéricas com base no número do RU fornecido.
• Exportar os resultados de treinamento para um arquivo Excel (.xlsx), incluindo o histórico dos pesos e as classificações.

---

Características do Perceptron 🧠

O Perceptron de Rosenblatt ajusta seus pesos a cada época com base nos erros de classificação. As características principais do modelo implementado incluem:

• O modelo utiliza sete entradas, correspondentes aos 7 dígitos do RU.
• A taxa de aprendizado foi definida como 0.00001, garantindo atualizações graduais nos pesos para estabilidade do modelo.
• Os pesos foram inicializados com o valor 1.0 e o bias como -1.0.

O treinamento segue a fórmula clássica de atualização de pesos:

$$peso[i] = peso[i] + taxa de aprendizado * erro * entrada[i] bias = bias + taxa de aprendizado * erro$$ $$bias = bias + taxa de aprendizado * erro$$

---

Como executar 💽

Pré-requisitos

• .NET SDK instalado (versão 6.0 ou superior).
• Biblioteca ClosedXML instalada para exportação do Excel:

dotnet add package ClosedXML

Passos para execução:

Clone este repositório:

git clone https://github.com/seu-usuario/perceptron-rosenblatt.git

Navegue para o diretório do projeto:

cd perceptron-rosenblatt

Compile e execute o programa:

dotnet run

Após a execução, um arquivo .xlsx será gerado na pasta do projeto com os resultados do treinamento.

Funcionamento 🛠️

O programa realiza o treinamento do Perceptron com um conjunto de dados gerado aleatoriamente.

Durante o treinamento:

• O modelo ajusta seus pesos a cada época, baseado no erro entre a saída gerada e a saída ideal.
• O progresso dos pesos é armazenado para posterior análise.
• O treinamento para quando todos os erros forem corrigidos ou o número máximo de épocas for atingido.

Ao final da execução, o programa exporta os dados de treinamento (entradas, classificações e histórico de pesos) para uma planilha Excel.

Aprendizado 💡

Este projeto proporcionou uma experiência prática na implementação de redes neurais simples, reforçando conceitos como:

• A importância dos parâmetros de aprendizado, como a taxa de aprendizado.
• O impacto da aleatoriedade nos dados de entrada no número de épocas para convergência.
• A relação entre teoria e prática na construção de modelos de inteligência artificial. Além disso, a exportação dos resultados para Excel permitiu uma análise visual detalhada do progresso do modelo ao longo do treinamento.

Licença 💼

Este projeto está licenciado sob a MIT License.

Contato 📲

Se tiver dúvidas ou sugestões, sinta-se à vontade para entrar em contato:

Autor: Fabrício Pagliarini E-mail: fabriciopgl87@gmail.com