/**********************************************************************/
public void TestsErreur(Graphics g, Bitmap bmp)
{
int x, z;
double z2;
// image blanche
for (x = 0; x < bmp.Width; x++)
{
for (z = 0; z < bmp.Height; z++)
{
bmp.SetPixel(x, z, Color.White);
}
}
List <List <double> > lvecteursentrees = new List <List <double> >();
List <double> lsortiesdesirees = new List <double>();
List <double> lsortiesobtenues;
// EN général, on reprend ici les données récupérées du fichier base de données
// mais pour illustrer le fonctionnement, on se propose ici de tester 200 valeurs
// de x (dimension 1 pour les entrées ici) entre 0 et 1, ramenées entre 0 et 200
// idem pour la sortie, pour permettre l'affichage dans une image.
for (x = 0; x < tabValeurs.GetLength(0); x++)
{
// Initialisation des activations ai correspondant aux entrées xi
// Le premier neurone est une constante égale à 1
List <double> vect = new List <double>();
vect.Add(tabValeurs[x, 0] / 500); // Une seule valeur ici pour ce vecteur
vect.Add(tabValeurs[x, 1] / 500);
lvecteursentrees.Add(vect);
}
lsortiesobtenues = reseau.ResultatsEnSortie(lvecteursentrees);
// Affichage
List <double> listIntensite = new List <double>();
List <double> listIntensiteCorrigee = new List <double>();
for (x = 0; x < tabValeurs.GetLength(0); x++)
{
z2 = lsortiesobtenues[x];
listIntensite.Add(z2);
}
double min = listIntensite[0];
double max = listIntensite[0];
// On recherche le minimum et le maximum
foreach (double element in listIntensite)
{
if (element < min)
{
min = element;
}
else
{
max = element;
}
}
for (int m = 0; m < tabValeurs.GetLength(0); m++)
{
int abs = Convert.ToInt32(0.4 * tabValeurs[m, 0]); // a corriger en fonction du max de datasetregression !
int ord = Convert.ToInt32(0.4 * tabValeurs[m, 1]);
double intensite = listIntensite[m] * 255; //Remap( listIntensite[m], min, max, 0, 255); // il faut maper
int i = Convert.ToInt32(Math.Floor(intensite));
bmp.SetPixel(abs, ord, Color.FromArgb(i, i, i));
}
}
