Enrobage d'un réseau de Gaussiennes. More...

#include <si/subadaptive/subAdGauss.h>

Inheritance diagram for sigraph::SubAdGauss:

[legend]

Collaboration diagram for sigraph::SubAdGauss:

[legend]

Public Member Functions
	SubAdGauss (const std::string &name="")

	SubAdGauss (const SubAdGauss &g)

virtual	~SubAdGauss ()

SubAdGauss &	operator= (const SubAdGauss &g)

virtual SubAdaptive *	clone () const
	copie

virtual void	init ()
	Initialise l'apprentissage (fonction abstraite)

virtual void	randinit ()

virtual double	prop (const std::vector< double > &vec)
	Propagation (model answer).

virtual double	learn (AdaptiveLeaf &al, const SiDBLearnable &train, const SiDBLearnable &test)

virtual SubAdResponse *	train (AdaptiveLeaf &al, const SiDBLearnable &train, const SiDBLearnable &test)
	Apprentissage.

virtual double	learn (const GaussVectorLearnable &vl)

virtual void	buildTree (Tree &tr) const
	Conversion en arbre (pour IO)

Public Member Functions inherited from sigraph::IncrementalSubAdaptive
virtual	~IncrementalSubAdaptive ()

virtual IncrementalSubAdaptive &	operator= (const IncrementalSubAdaptive &sa)

virtual bool	hasIncrementalLearning (void) const
	Apprentissage incrémental (vecteur par vecteur) ?

unsigned int	testPeriod () const
	@na Data Access

void	setTestPeriod (unsigned int testPeriod)

Public Member Functions inherited from sigraph::SubAdaptive
virtual	~SubAdaptive ()

virtual SubAdaptive &	operator= (const SubAdaptive &sa)

virtual double	normalizedPotential (double outp) const

virtual double	unNormalizedPotential (double nout) const

virtual double	getLearnedLabel (const SiVectorLearnable &vl) const

virtual SubAdResponse *	test (const SiDBLearnable &tst)

virtual double	test (const SiVectorLearnable &vl)
	Test: met à jour le taux d'erreur de généralisation Renvoie la valeur prédite par le classifieur.

virtual std::vector< double > *	normalizeSelected (const double *vec, unsigned int size)
	Normalise le vecteur d'entrée et ne retourne que les composantes sélectionnées dans le modèle.

virtual bool	openFile (const std::string &filename="")
	Ouvre un fichier pour écrire les vecteurs de données.

virtual void	closeFile ()
	Ferme le fichier.

virtual bool	fileOpened () const
	répond si le fichier est ouvert ou non

virtual std::string	chooseFilename (const std::string &basename="") const
	Choisit un nom de fichier par défaut.

virtual void	subFiles (const std::string &prefix, std::set< std::string > &listNames) const
	Donne la liste des fichiers sous le modèle.

void	setRealClassMode (RealClassMode m)

std::string	getRealClassMode (void) const

virtual void	resetStats ()
	Vide toutes les stats.

virtual void	setStats (const std::vector< double > &mean, const std::vector< double > &sigma)
	SetStats from vectors.

virtual void	learnStats (const std::vector< double > &vec, double outp=0)
	Ajout à la base de statistiques.

unsigned	nStats () const

void	setNStats (unsigned nstats)

const std::map< unsigned, Stat > &	stats () const

void	setStats (const std::map< unsigned, Stat > &stats)

double	getMean (unsigned ind)

double	getSigma (unsigned ind)

double	errorRate () const

double	genErrorRate () const

double	genGoodErrorRate () const

double	genBadErrorRate () const

double	genMeanErrorRate () const
	C'est CETTE fonction qui est utilisée pour la pondération des experts.

void	setErrorRate (double rate)

void	setGenErrorRate (double rate)

double	localMinGErr () const

double	localMaxGErr () const

double	globalMinGErr () const

double	globalMaxGErr () const

void	setLocalMinGErr (double e)

void	setLocalMaxGErr (double e)

void	setGlobalMinGErr (double e)

void	setGlobalMaxGErr (double e)

double	misclassGoodRate () const

void	setMisclassGoodRate (double x)

double	misclassBadRate () const

void	setMisclassBadRate (double x)

double	misclassRate () const

void	updateErrors (double err)
	Met à jour les taux d'erreur de généralisation (appelé par test())

void	updateGoodErrors (double err)
	Met à jour les taux d'erreur de généralisation pour les bons exemples (appelé par test())

void	updateBadErrors (double err)
	Met à jour les taux d'erreur de généralisation pour les bons exemples (appelé par test())

void	setGenGoodErrorRate (double rate)

void	setGenBadErrorRate (double rate)

void	setLocalGoodMinGErr (double e)

void	setLocalGoodMaxGErr (double e)

void	setGlobalGoodMinGErr (double e)

void	setGlobalGoodMaxGErr (double e)

double	appGoodErrorRate () const

void	setAppGoodErrorRate (double e)

unsigned	stepsSinceGenMin () const

void	setStepsSinceGenMin (unsigned n)

void	setGlobalGenGBError (double e)

void	setLearnfinished (bool s)

bool	getLearnfinished (void) const

std::string	name () const

void	setName (const std::string name)

virtual void	setBaseName (const std::string &)

virtual void	getStreams (SubAdaptive &sa)
	Transfère les fichiers ouverts d'un autre modèle (en cas de copie)

virtual void	setFileNames (const std::string &)
	Noms des fichiers de sauvegardes (des réseaux de neurones par ex.)

virtual std::string	fileNames () const

virtual void	setMinOut (double mino)
	Fixe le min de la sortie.

virtual void	setMaxOut (double maxo)
	Fixe le max de la sortie.

virtual double	relianceWeight () const

RelianceWeightMethod	relianceWeightMethod () const

void	setRelianceWeightMethod (RelianceWeightMethod x)

Accès aux données
GaussNet	_gnet

double	_etaW
	Facteur d'apprentissage des poids.

double	_etaC
	Facteur d'apprentissage des centres.

double	_etaS
	Facteur d'apprentissage des sigmas.

double	_defVal
	Valeur par défaut (à l'infini)

GaussNet &	net ()
	Accès au réseau (R/W)

double	etaW () const
	Coefficient du gradient d'apprentissage : poids.

double	etaC () const
	Coefficient du gradient d'apprentissage : centres.

double	etaS () const
	Coefficient du gradient d'apprentissage : sigmas.

void	setEtaW (double etaW)

void	setEtaC (double etaC)

void	setEtaS (double etaS)

double	defaultValue () const

void	setDefaultValue (double dv)

Additional Inherited Members
Public Types inherited from sigraph::SubAdaptive
enum	RealClassMode { RealClassFromClassID , RealClassFromPotential }

enum	RelianceWeightMethod { MeanGenError , MisclassFrequency }

Static Public Attributes inherited from sigraph::SubAdaptive
static double	ForgetFactor
	Facteur d'oubli pour moyenner les taux d'erreurs.

static double	GenForgetFactor
	Facteur d'oubli pour moyenner les taux d'erreurs de généralisation.

static double	GenGoodForgetFactor
	Facteur d'oubli pour moyenner les taux d'erreurs de généralisation des bons exemples.

static double	GenBadForgetFactor
	Facteur d'oubli pour moyenner les taux d'erreurs de généralisation des mauvais exemples.

static double	LocalForgetFactor
	Facteur d'oubli pour les min et max locaux.

Protected Member Functions inherited from sigraph::IncrementalSubAdaptive
	IncrementalSubAdaptive (const std::string name="")

	IncrementalSubAdaptive (const IncrementalSubAdaptive &sa)

	SubAdaptive (const std::string name="")

	SubAdaptive (const SubAdaptive &sa)

Protected Attributes inherited from sigraph::IncrementalSubAdaptive
unsigned int	_testPeriod
	Test Period.

std::string	_name
	Entrées utiles.

unsigned	_nStats
	Nombre d'exemples dans les stats.

std::map< unsigned, Stat >	_stats
	Statistiques pour chaque entrée.

std::ostream *	_stream
	fichier de sauvegarde des données reçues en apprentissage

std::ostream *	_tstream
	fichier de sauvegarde pour les données de propagation / test

double	_errorRate
	Taux d'erreur d'apprentissage.

double	_genErrorRate
	Taux d'erreur de généralisation.

double	_mg
	Minimum global d'erreur.

double	_Mg
	Maximum global d'erreur.

double	_ml
	Minimum local d'erreur.

double	_Ml
	Maximum local d'erreur.

double	_ggErrorRate
	Taux d'erreur de généralisation sur les bons exemples.

double	_mgl
	Min local d'erreur sur les bons (généralisation)

double	_Mgl
	Max local d'erreur sur les bons.

double	_mgg
	Min global d'erreur sur les bons.

double	_Mgg
	Max global d'erreur sur les bons.

double	_agErrorRate
	Taux d'erreur d'apprentissage sur les bons exemples.

unsigned	_stepsSinceGenMin
	Nb de tests depuis le dernier minimum global.

double	_gbErrorRate
	Taux d'erreur de généralisation sur les mauvais exemples.

double	_mggb
	Min global de (erreur bons + erreur mauvais) en généralisation.

double	_misclassGoodRate

double	_misclassBadRate

double	_minOut
	Borne inf de la sortie.

double	_maxOut
	Borne sup de la sortie.

bool	_learnfinished
	L'apprentissage a été effectué.

RealClassMode	_real_class_mode
	Real Class mode.

RelianceWeightMethod	_relianceWeightMethod

Detailed Description

Enrobage d'un réseau de Gaussiennes.

Definition at line 14 of file subAdGauss.h.

Constructor & Destructor Documentation

◆ SubAdGauss() [1/2]

sigraph::SubAdGauss::SubAdGauss ( const std::string & name = "" )

References sigraph::SubAdaptive::name().

Referenced by clone(), operator=(), SubAdGauss(), and ~SubAdGauss().

◆ SubAdGauss() [2/2]

sigraph::SubAdGauss::SubAdGauss ( const SubAdGauss & g )

References SubAdGauss().

◆ ~SubAdGauss()

virtual sigraph::SubAdGauss::~SubAdGauss ( )

virtual

References SubAdGauss().

Member Function Documentation

◆ buildTree()

virtual void sigraph::SubAdGauss::buildTree ( Tree & tr ) const

virtual

Conversion en arbre (pour IO)

Reimplemented from sigraph::SubAdaptive.

Reimplemented in sigraph::SubAdLogGauss.

◆ clone()

SubAdaptive * sigraph::SubAdGauss::clone ( ) const

inlinevirtual

copie

Implements sigraph::SubAdaptive.

Reimplemented in sigraph::SubAdLogGauss.

Definition at line 81 of file subAdGauss.h.

References SubAdGauss().

◆ defaultValue()

double sigraph::SubAdGauss::defaultValue ( ) const

inline

Definition at line 47 of file subAdGauss.h.

References _defVal.

◆ etaC()

double sigraph::SubAdGauss::etaC ( ) const

inline

Coefficient du gradient d'apprentissage : centres.

Definition at line 41 of file subAdGauss.h.

References _etaC.

Referenced by setEtaC().

◆ etaS()

double sigraph::SubAdGauss::etaS ( ) const

inline

Coefficient du gradient d'apprentissage : sigmas.

Definition at line 43 of file subAdGauss.h.

References _etaS.

Referenced by setEtaS().

◆ etaW()

double sigraph::SubAdGauss::etaW ( ) const

inline

Coefficient du gradient d'apprentissage : poids.

Definition at line 39 of file subAdGauss.h.

References _etaW.

Referenced by setEtaW().

◆ init()

virtual void sigraph::SubAdGauss::init ( )

virtual

Initialise l'apprentissage (fonction abstraite)

Reimplemented from sigraph::SubAdaptive.

◆ learn() [1/2]

virtual double sigraph::SubAdGauss::learn	(	AdaptiveLeaf &	al,
		const SiDBLearnable &	train,
		const SiDBLearnable &	test )

virtual

Implements sigraph::IncrementalSubAdaptive.

References sigraph::SubAdaptive::test(), and train().

◆ learn() [2/2]

virtual double sigraph::SubAdGauss::learn ( const GaussVectorLearnable & vl )

virtual

Reimplemented in sigraph::SubAdLogGauss.

◆ net()

GaussNet & sigraph::SubAdGauss::net ( )

inline

Accès au réseau (R/W)

Definition at line 37 of file subAdGauss.h.

References _gnet.

◆ operator=()

SubAdGauss & sigraph::SubAdGauss::operator= ( const SubAdGauss & g )

inline

Definition at line 67 of file subAdGauss.h.

References _defVal, _etaC, _etaS, _etaW, _gnet, and SubAdGauss().

Referenced by sigraph::SubAdLogGauss::operator=().

◆ prop()

virtual double sigraph::SubAdGauss::prop ( const std::vector< double > & vec )

virtual

Propagation (model answer).

The output is normalized between minout and maxout, but not weighted by the relianceWeight() yet: this weight will be applied at a higher level by AdaptiveLeaf.

Implements sigraph::SubAdaptive.

Reimplemented in sigraph::SubAdLogGauss.

◆ randinit()

virtual void sigraph::SubAdGauss::randinit ( )

virtual

◆ setDefaultValue()

void sigraph::SubAdGauss::setDefaultValue ( double dv )

inline

Definition at line 48 of file subAdGauss.h.

References _defVal.

◆ setEtaC()

void sigraph::SubAdGauss::setEtaC ( double etaC )

inline

Definition at line 45 of file subAdGauss.h.

References _etaC, and etaC().

◆ setEtaS()

void sigraph::SubAdGauss::setEtaS ( double etaS )

inline

Definition at line 46 of file subAdGauss.h.

References _etaS, and etaS().

◆ setEtaW()

void sigraph::SubAdGauss::setEtaW ( double etaW )

inline

Definition at line 44 of file subAdGauss.h.

References _etaW, and etaW().

◆ train()

virtual SubAdResponse * sigraph::SubAdGauss::train	(	AdaptiveLeaf &	al,
		const SiDBLearnable &	train,
		const SiDBLearnable &	test )

virtual

Apprentissage.

Implements sigraph::IncrementalSubAdaptive.

References sigraph::SubAdaptive::test(), and train().

Referenced by learn(), and train().

Member Data Documentation

◆ _defVal

double sigraph::SubAdGauss::_defVal

protected

Valeur par défaut (à l'infini)

Definition at line 60 of file subAdGauss.h.

Referenced by defaultValue(), operator=(), and setDefaultValue().

◆ _etaC

double sigraph::SubAdGauss::_etaC

protected

Facteur d'apprentissage des centres.

Definition at line 56 of file subAdGauss.h.

Referenced by etaC(), operator=(), and setEtaC().

◆ _etaS

double sigraph::SubAdGauss::_etaS

protected

Facteur d'apprentissage des sigmas.

Definition at line 58 of file subAdGauss.h.

Referenced by etaS(), operator=(), and setEtaS().

◆ _etaW

double sigraph::SubAdGauss::_etaW

protected

Facteur d'apprentissage des poids.

Definition at line 54 of file subAdGauss.h.

Referenced by etaW(), operator=(), and setEtaW().

◆ _gnet

GaussNet sigraph::SubAdGauss::_gnet

protected

Definition at line 52 of file subAdGauss.h.

Referenced by net(), and operator=().

The documentation for this class was generated from the following file:

si/subadaptive/subAdGauss.h

SiGraph: sulcal graphs

Public Member Functions

Accès aux données

Additional Inherited Members

Detailed Description

Constructor & Destructor Documentation

◆ SubAdGauss() [1/2]

◆ SubAdGauss() [2/2]

◆ ~SubAdGauss()

Member Function Documentation

◆ buildTree()

◆ clone()

◆ defaultValue()

◆ etaC()

◆ etaS()

◆ etaW()

◆ init()

◆ learn() [1/2]

◆ learn() [2/2]

◆ net()

◆ operator=()

◆ prop()

◆ randinit()

◆ setDefaultValue()

◆ setEtaC()

◆ setEtaS()

◆ setEtaW()

◆ train()

Member Data Documentation

◆ _defVal

◆ _etaC

◆ _etaS

◆ _etaW

◆ _gnet