/// <summary>
/// ニューラルネットの演算結果を分かり易くIDと尤度にまとめて返す
/// </summary>
/// <param name="outputVector">ニューラルネットの出力ベクトル</param>
/// <param name="productionVolume">配列の生成数（1以上かつ出力ベクトルの次元を超えないようにして下さい）</param>
/// <returns>ID・尤度の組を配列に加工したもの<para>本クラスのIDnamesメンバがセットされていない場合は""が返ります。</para></returns>
/// <exception cref="SystemException">要求サイズに異常があるとスロー</exception>
/// <example>
/// 以下にサンプルコードを示します。
/// このコードは処理の流れを大まかに示しています。
/// 実際にはnnclassは結合係数等をセットしなければ識別は行えません。
/// <code>
/// NeuralNetwork.Parameter para = new NeuralNetwork.Parameter(2, 6, 1, 1, 0.01); // ニューラルネットのパラメータ設定
/// NeuralNetwork nnclass = new NeuralNetwork(para); // ニューラルネットクラスのインスタンス生成
/// double[] feature10 = new double[2] { 1, 0 }; // 特徴ベクトル生成（XORを意識している）
///
/// IDandLikelihood[] result = nnclass.ToIDandLikelihood(nnclass.Recognize(feature10), 3); // 出力ベクトルをリレーさせて、構造体配列に変換している
/// </code>
/// </example>
private IDandLikelihood[] GetIDandLikelihood(Vector outputVector, int productionVolume)
{
IDandLikelihood[] ans = new IDandLikelihood[productionVolume];
double val = double.MaxValue;
if (productionVolume == 0 || productionVolume > outputVector.Length) throw new SystemException("要求サイズが異常です。");
for (int i = 0; i < productionVolume; i++) // 大きい順に並び替えながら要素番号も把握する
{
double max = 0.0;
int index = -1;
for (int k = 0; k < outputVector.Length; k++)
{
if (max < outputVector[k] && val > outputVector[k])
{
max = outputVector[k];
index = k;
}
}
val = max;
if (this._IDnames != null && index != -1)
ans[i] = new IDandLikelihood(this._IDnames[index], max);
else
ans[i] = new IDandLikelihood("Non", max);
}
return ans;
}
/// <summary>
/// 識別結果をIDと尤度で返す
/// </summary>
/// <param name="feature">特徴ベクトル</param>
/// <returns>IDと尤度をセットにした識別結果</returns>
public IDandLikelihood Discriminate(Feature feature)
{
IDandLikelihood ans = new IDandLikelihood();
if (this.Ready)
{
Vector result = this._NNet.Recognize(feature);
ans = this.GetIDandLikelihood(result, 1)[0];
}
return ans;
}
