sigraph::SubAdLogGauss Class Reference

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

#include <si/subadaptive/subAdLogGauss.h>

Inheritance diagram for sigraph::SubAdLogGauss:

Collaboration diagram for sigraph::SubAdLogGauss:

Public Member Functions
	SubAdLogGauss (const std::string &name="")
	SubAdLogGauss (const SubAdLogGauss &g)
virtual	~SubAdLogGauss ()
SubAdLogGauss &	operator= (const SubAdLogGauss &g)
virtual SubAdaptive *	clone () const
	copie
virtual double	prop (const std::vector< double > &vec)
	Propagation (model answer).
virtual double	learn (const GaussVectorLearnable &vl)
virtual void	buildTree (Tree &tr) const
	Conversion en arbre (pour IO)
Public Member Functions inherited from sigraph::SubAdGauss
	SubAdGauss (const std::string &name="")
	SubAdGauss (const SubAdGauss &g)
virtual	~SubAdGauss ()
SubAdGauss &	operator= (const SubAdGauss &g)
virtual void	init ()
	Initialise l'apprentissage (fonction abstraite)
virtual void	randinit ()
virtual double	learn (AdaptiveLeaf &al, const SiDBLearnable &train, const SiDBLearnable &test)
virtual SubAdResponse *	train (AdaptiveLeaf &al, const SiDBLearnable &train, const SiDBLearnable &test)
	Apprentissage.
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)
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)

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)
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)
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 subAdLogGauss.h.

Constructor & Destructor Documentation

SubAdLogGauss() [1/2]

sigraph::SubAdLogGauss::SubAdLogGauss

(

const std::string &

name = ""

)

References sigraph::SubAdaptive::name().

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

SubAdLogGauss() [2/2]

sigraph::SubAdLogGauss::SubAdLogGauss

(

const SubAdLogGauss &

g

)

References SubAdLogGauss().

~SubAdLogGauss()

virtual sigraph::SubAdLogGauss::~SubAdLogGauss ( )

virtual

References SubAdLogGauss().

Member Function Documentation

buildTree()

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

virtual

Conversion en arbre (pour IO)

Reimplemented from sigraph::SubAdGauss.

clone()

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

inlinevirtual

copie

Reimplemented from sigraph::SubAdGauss.

Definition at line 41 of file subAdLogGauss.h.

References SubAdLogGauss().

learn()

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

virtual

Reimplemented from sigraph::SubAdGauss.

operator=()

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

inline

Definition at line 33 of file subAdLogGauss.h.

References sigraph::SubAdGauss::operator=(), and SubAdLogGauss().

prop()

virtual double sigraph::SubAdLogGauss::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.

Reimplemented from sigraph::SubAdGauss.

---

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

• si/subadaptive/subAdLogGauss.h