perceptron_async.jl

addprocs(3)
global dim = 2

################################################################################
#                            preparando a base de dados                        #
################################################################################
lin = 3     # linhas
col = 10000 # colunas
trein = SharedArray{Float64}(lin, col)

info("iniciando amostras de treinamento")
@parallel for i = 1:col
    trein[1,i] = i > col/2 ? rand(-100:0)* rand() : rand(0:100)*rand()
    trein[2,i] = i > col/2 ? rand(-100:0)* rand() : rand(0:100)*rand()
    trein[3,i] = i > col/2 ? 1 : 0
end

################################################################################
#                               preparando os pesos                            #
################################################################################
info("iniciando pesos")
global pesos = SharedArray{Float64}(2)
#pesos[1], pesos[2] = rand(),rand()
pesos[1], pesos[2] = 99,88

#### Entrada Ponderada
#
#f(x) = ∑(entrada × peso)
@everywhere pondera(entradas, pesos) = sum(entradas .* pesos)


#### Linear Function
#
#x > 0 ? 1 : 0
@everywhere ativacao(entPond) = entPond > 0 ? 1 : 0


@doc """
### treinamento

```ω  = ω + η × (e - r) × a```

onde:

* ω : peso 
* η : constante de aprendizado (padrao 0.0001)
* e : resultado esperado
* r : resultado obtido
* a : valor da amostra atual
""" ->
function treinamento(trein::SharedArray,pesos::SharedArray, η::Float64=0.0001, epoch::Int=1000)
    dimsTrein = size(trein)
    @async @parallel for epoca = 1:epoch
        for i in 1:dimsTrein[2]
            amostra = trein[:, i]
            p = pondera(amostra[1:2], pesos)
            r = ativacao(p)
            @sync for j = 1:dim
                pesos[j] = pesos[j] .+ η*(amostra[3]- r) .* amostra[j]
            end
        end
        if epoca % 100 == 0
            println("| $epoca | ")
        end
    end
end