/// <summary>
/// Обновить ячейку с помощтю карт входа/выхода.
/// </summary>
/// <param name="cell">Ячейка.</param>
/// <param name="inputMap">Входная карта.</param>
/// <param name="outputMap">Выходная карта.</param>
/// <param name="filterMatrixSize">Размер матрицы фильтра.</param>
/// <param name="hyperParameters">Гиперпараметры.</param>
public static void UpdateCellByIOMaps(this ModifiedCell cell, FigureMap inputMap,
FigureMap outputMap, int filterMatrixSize, HyperParameters hyperParameters)
{
var xEndPoint = cell.X + filterMatrixSize;
var yEndPoint = cell.Y + filterMatrixSize;
var gradient = 0d;
var x = 0;
for (var xStartPoint = cell.X; xStartPoint < xEndPoint; ++xStartPoint)
{
var y = 0;
for (var yStartPoint = cell.Y; yStartPoint < yEndPoint; ++yStartPoint)
{
var cellFromInputMap = inputMap.Cells
.Find(c => c.X.Equals(xStartPoint) && c.Y.Equals(yStartPoint));
var cellFromOutputMap = outputMap.Cells.Find(c => c.X.Equals(x) && c.Y.Equals(y));
gradient += cellFromInputMap.Value * cellFromOutputMap.Value;
++y;
}
++x;
}
var deltaValue = hyperParameters.Epsilon * gradient + hyperParameters.Alpha * cell.LastValueDelta;
cell.UpdateLastDeltValue(deltaValue);
var newValue = cell.Value + deltaValue;
cell.UpdatedValue(newValue);
}
/// <summary>
/// Свёрточный слой.
/// </summary>
/// <param name="map">Карта значений.</param>
/// <param name="filterMatrix">Матрица фильтра.</param>
/// <param name="modeType">Тип мода ети (для обучения выдаёт исключение).</param>
public ConvolutionLayer(FigureMap map, FilterMatrix filterMatrix, NetworkModeType modeType)
{
if (!modeType.Equals(NetworkModeType.Recognizing))
{
throw new Exception("Данный конструктор не может использоваться для обучения!");
}
Map = map;
FilterMatrix = filterMatrix;
_isInitialized = true;
}
/// <summary>
/// Запись данных слоя.
/// </summary>
/// <param name="map">Карта данных.</param>
public void SetData(FigureMap map)
{
if (!_isInitialized)
{
throw new Exception("Перед внесением данных в слой необходимо его проинициализировать!");
}
if (!map.Cells.Count.Equals(Map.Cells.Count))
{
throw new Exception("Размерность карты значений не совпадает!");
}
Map = map;
}
/// <summary>
/// Инициализация.
/// </summary>
/// <param name="type">Тип мода нейронной сети.</param>
public override void Initialize(NetworkModeType type)
{
if (_isInitialized)
{
throw new Exception("Невозможно инициализировать уже инициализированную модель!");
}
// Независимо от типа мода нейронной сети возвращается карта.
var size = GetDataSize();
_layerData = new FigureMap(size, _data);
_isInitialized = true;
}
/// <summary>
/// Запись данных слоя.
/// </summary>
/// <param name="data">Данные.</param>
public void SetData(double[,] data)
{
if (!_isInitialized)
{
throw new Exception("Перед внесением данных в слой необходимо его проинициализировать!");
}
var inputDataSize = GetDataSize(data);
var includedDataSize = GetDataSize();
if (!inputDataSize.Equals(includedDataSize))
{
throw new Exception("Переданная матрица не соответствует размерностью" +
" с уже содержащейся в слое матрицей.");
}
_data = data;
_layerData = new FigureMap(inputDataSize, data);
}
/// <summary>
/// Запись данных слоя.
/// </summary>
/// <param name="map">Карта данных.</param>
public void SetData(FigureMap map)
{
if (!_isInitialized)
{
throw new Exception("Перед внесением данных в слой необходимо его проинициализировать!");
}
if (!map.Cells.Count.Equals(Map.Cells.Count))
{
throw new Exception("Размерность карты значений не совпадает!");
}
foreach (var cell in Map.Cells)
{
var newValue = map.Cells
.Find(inputCell => inputCell.X.Equals(cell.X) && inputCell.Y.Equals(cell.Y)).Value;
cell.Value = newValue;
}
}
/// <summary>
/// Слой пуллинга.
/// </summary>
/// <param name="map">Карта изображения.</param>
/// <param name="poolingMatrixSize">Размер матрицы макс-пуллинга.</param>
public SubsamplingLayer(FigureMap map, int poolingMatrixSize)
{
Map = map;
_poolingMatrixSize = poolingMatrixSize;
}
/// <summary>
/// Свёрточный слой.
/// </summary>
/// <param name="map">Карта значений.</param>
/// <param name="filterMatrixSize">Размерность матрицы фильтра.</param>
public ConvolutionLayer(FigureMap map, int filterMatrixSize)
{
Map = map;
_filterMatrixSize = filterMatrixSize;
}
/// <summary>
/// Задать дельты слоя макс-пуллинга.
/// </summary>
/// <param name="hiddenLayerNeurons">Нейроны скрытого слоя.</param>
/// <param name="map">Карта слоя макс-пуллинга.</param>
private void SetDeltasInSubSamplingLayer(List <NeuronFromMap> hiddenLayerNeurons, FigureMap map)
{
foreach (var cell in map.Cells)
{
var summary = 0d;
foreach (var neuron in hiddenLayerNeurons)
{
var weightInfo = neuron.WeightsToMapPosition.
Find(weight => weight.OwnerCell.X.Equals(cell.X) &&
weight.OwnerCell.Y.Equals(cell.Y));
summary += weightInfo.Value * neuron.Delta;
}
cell.Delta = MathUtil.DerivativeActivationFunction(cell.Value,
ActivationFunctionType.Sigmoid) * summary;
}
_virtualMaxPoolingMatrix = new VirtualMaxPoolingMatrix(map.Cells);
}
/// <summary>
/// Обновление весов между слоем макс-пуллинга и скрытым.
/// </summary>
/// <param name="hiddenLayerNeurons">Нейроны скрытого слоя.</param>
/// <param name="map">Карта слоя макс-пуллинга.</param>
private void UpdateWeightsSubsamplingToHidden(List <NeuronFromMap> hiddenLayerNeurons, FigureMap map)
{
foreach (var cell in map.Cells)
{
foreach (var neuron in hiddenLayerNeurons)
{
var gradient = neuron.Delta * cell.Value;
var weight = neuron.WeightsToMapPosition.
Find(weightInfo => weightInfo.OwnerCell.X.Equals(cell.X) &&
weightInfo.OwnerCell.Y.Equals(cell.Y));
var weightDelta = MathUtil.GetWeightsDelta(_hyperParameters, gradient, weight.LastValueDelta);
weight.LastValueDelta = weightDelta;
weight.Value += weightDelta;
}
}
}
