This repository has been archived by the owner on Sep 6, 2019. It is now read-only.
/
Layer.cpp
191 lines (175 loc) · 4.72 KB
/
Layer.cpp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
#include "Layer.h"
#include <iostream>
#include <stdlib.h>
#include <ctime>
using namespace std;
Layer::Layer()
: previousLayer_(0), nextLayer_(0), bindingsNumber_(0)
{
}
Layer::Layer(Network* network, int neurons, Layer* previousLayer, Layer* nextLayer, transfert trsf, double mu)
: m_network(network), bindingsNumber_(0)
{
/* neurons : nombre de neurones dans la couche */
if (network)
{
if (network->getFirstLayer() == 0)
{
network->setFirstLayer(this); //on vérifie une première fois que la
//fisrtlayer du réseau n'ait pas changé, puis une 2nde juste
//en-dessous dans les fonctions setNextLayer/setPreviousLayer
}
}
setNextLayer(nextLayer); //on fait le lien dans les deux sens
setPreviousLayer(previousLayer);
for (int i = 0; i < neurons; i++)
addNeuron(RAND, trsf, mu); //on ajoute le nombre de neurones demandé
}
Layer::~Layer() //destructeur, inintéressant
{
for (int i = 0; i < getSize(); i++)
{
delete m_neurons[i];
m_neurons.pop_back();
}
if (!isLast())
delete nextLayer_;
}
int Layer::getSize() const
{
return m_neurons.size();
} //nombre de neurones
Layer* Layer::getNextLayer() const
{
return nextLayer_;
}
bool Layer::setNextLayer(Layer* layer)
{
nextLayer_ = layer;
if (layer)
{
if (layer->getNetwork() != getNetwork()) //on ne relie pas si les couche
return false; //ne sont pas du mm réseau
layer->previousLayer_ = this;
if (layer == m_network->getFirstLayer()) //on vérifie que la firstlayer
m_network->setFirstLayer(this); //n'ait pas changé
return true;
}
return false;
}
Layer* Layer::getPreviousLayer() const
{
return previousLayer_;
}
bool Layer::setPreviousLayer(Layer* layer)
{
previousLayer_ = layer;
if (layer)
{
if (layer->getNetwork() != getNetwork()) //on ne relie pas si les couche
return false; //ne sont pas du mm réseau
layer->nextLayer_ = this;
if (this == m_network->getFirstLayer()) //on vérifie que la firstlayer n'ait
m_network->setFirstLayer(layer); //pas changé
return true;
}
return false;
}
bool Layer::isLast() const
{
return nextLayer_ == 0;
} //ne pas faire confiance à ces
bool Layer::isFirst() const
{
return previousLayer_ == 0;
} //deux fonctions dans le
//cas d'un réseau bouclé
Neuron* Layer::getNeuron(int n) const
{
if (n >= 0 && n < getSize())
return m_neurons[n];
return 0;
}
void Layer::addNeuron(int option, transfert trsf, double mu) //NOUVEAU NEURONE !!!
{
Neuron* neuron = new Neuron(this, trsf, mu);
double weight = 0.0 ;
if (!isLast()) //on établit des liens avec les neurones de la couche d'après
{ //que s'ils existent
for (int i = 0; i < getNextLayer()->getSize(); i++)
{
if(option == RAND){
weight = rand() % 1000;
weight = (weight - 500) / 500;
}
if(option == ZERO)
weight = 0.0;
//weight est maintenant un nombre aléatoire entre -1 et 1
//std::cout << weight << std::endl;
Binding* bdg = new Binding(neuron, weight);
getNextLayer()->getNeuron(i)->addBinding(bdg); //le neuron ajouté à
//la couche n aura un tableau de weight de taille égale au nombre de
//neurones de la couche n+1
}
}
if (!isFirst()) //on établit des liens avec les neurones de a couche d'avant
{ //que s'ils existent
for (int i = 0; i < getPreviousLayer()->getSize(); i++)
{
if(option == RAND){
weight = rand() % 1000;
weight = (weight - 500) / 500;
}
if(option == ZERO)
weight = 0.0;
//weight est maintenant un nombre aléatoire entre -1 et 1
//std::cout << weight << std::endl;
Binding* bdg = new Binding(getPreviousLayer()->getNeuron(i), weight);
neuron->addBinding(bdg);
}
}
m_neurons.push_back(neuron);
}
void Layer::addNeurons(int n, int option, transfert trsf, double mu)
{
for (int i = 0; i < n; i++)
addNeuron(option, trsf, mu);
}
void Layer::calculate() const //propagation normale
{
for (unsigned int i = 0; i < m_neurons.size(); i++)
{
m_neurons[i]->receive(); //chaque neurone va chercher l'output de tous
//les neurones de la couche précédente, en faire la somme pondérée par
//les poids, puis calculer son propre output avec la fonction de transfert
}
}
void Layer::calculateGradient() const //rétropropasgation du gradient
{
for (unsigned int i = 0; i < m_neurons.size(); i++)
m_neurons[i]->sendGradient();
}
int Layer::getBindingsNumber() const
{
return bindingsNumber_;
}
Network* Layer::getNetwork() const
{
return m_network;
}
bool Layer::learn()
{
for (int i = 0; i < getSize(); i++)
m_neurons[i]->learn();
return true;
}
void Layer::resetNeurons() const
{
for (unsigned int i = 0; i < m_neurons.size(); i++)
m_neurons[i]->initNeuron(0);
}
void Layer::resetNeuronsGradient() const
{
for (unsigned int i = 0; i < m_neurons.size(); i++)
m_neurons[i]->initNeuronGradient(0);
}