//Costruttore, si occupa dell'allenamento vero e proprio.
public RPropPlus(FFANN ffann, double[][] stdDataset)
{
int epochs = 0;
double[][][] delta = new double[ffann.NumLayers - 1][][]; //Matrice delta che conterrà le correzione dei pesi da applicare alla fine della propagazione.
desired_output = new double[ffann.NumPercept[ffann.NumLayers - 1]];
dterr = new double[ffann.NumLayers - 1][];
//inizializzazione di delta[][][].
for (int i = 0; i < ffann.NumLayers - 1; i++)
{
delta[i] = new double[ffann.NumPercept[i]][];
}
for (int j = 0; j < delta.Length; j++)
{
for (int i = 0; i < delta[j].Length; i++) //Calcolo il numero totale di sinapsi nella rete.
{
delta[j][i] = new double[ffann.NumPercept[j + 1]];
}
}
//Fine inizializzazione delta[][][].
//Inizializzo ed azzero la matrice dterr.
for (int i = 0; i < ffann.NumLayers - 1; i++)
{
dterr[i] = new double[ffann.NumPercept[i]];
for (int z = 0; z < ffann.NumPercept[i]; z++)
{
dterr[i][z] = 0;
}
}
//Fine azzeramento.
do //Scorro le epoche in cui la rete si allenerà.
{
for (int i = 0; i < stdDataset.Length; i++) //Scorro tutti i samples nel dataset.
{
Error = 0;
ffann.Predict(stdDataset[i]); //Calcolo le uscite della rete dato il sample i.
//Copio i valori desiderati in un vettore comodo e calcolo l'Errore Quadratico Medio.
for (int j = 0; j < ffann.NumPercept[ffann.NumLayers - 1]; j++)
{
desired_output[j] = stdDataset[i][ffann.NumPercept[0] + j];
Error += 0.5 * Math.Pow(ffann.layer[ffann.NumLayers - 1].perceptron[j].getAction() - desired_output[j], 2);
}
//End
//Calcolo i delta dei pesi sinaptici.
for (int j = ffann.NumLayers - 2; j >= 0; j--) //Scorro la rete dal penultimo layer al primo, per avere accesso diretto ai pesi sinaptici da correggere.
{
for (int k = 0; k < ffann.NumPercept[j]; k++) // Scorro i percettroni dello strato j.
{
for (int q = 0; q < ffann.NumPercept[j + 1]; q++) // Scorro le sinapsi.
{
delta[j][k][q] = Delta(ffann, j, k, q);
}
}
}
//Setto i nuovi pesi applicando i delta dei pesi sinaptici.
for (int j = 0; j < ffann.NumLayers - 1; j++)
{
for (int k = 0; k < ffann.NumPercept[j]; k++)
{
for (int q = 0; q < ffann.NumPercept[j + 1]; q++)
{
ffann.layer[j].perceptron[k].setSynapsys(ffann.layer[j].perceptron[k].getSynapsys(q) + delta[j][k][q], q);
}
}
}
//è necessario azzerare dterr per ogni sample analizzato.
for (int j = 0; j < dterr.Length; j++)
{
for (int z = 0; z < dterr[j].Length; z++)
{
dterr[j][z] = 0;
}
}
//Fine azzeramento.
}
//Stampa l'errore quadratico medio se if è true.
if (epochs % 1000 == 0)
{
Console.WriteLine("\nErrore Quadratico Medio: " + Error + "\n");
}
epochs++;
if (Error <= 0.00001)
{
Console.Write("\nEpoche: " + epochs + "\n");
}
} while ((epochs != 100000) && (Error >= 0.00001));
}
