UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica

• void reset_tset(TSET *t)
azzera il contenuto di un training set;
• void mix_ts(TSET *t)
mescola casualmente i training samples contenuti nella struttura t. Per
training set ordinati è utile effettuare questa operazione, poiché un
ordine troppo rigoroso potrebbe influire negativamente sul processo di
apprendimento;
• float tset_error(NET *n, TSET *t)
calcola l'errore quadratico medio complessivo della rete n sul training
set t. Ritorna –1 se la rete o il training set non sono correttamente
inizializzati;
• int add_abs_noise(TSET *t, float var, int n)
aggiunge del rumore pseudo-casuale con ampiezza massima pari a var ai
primi n valori di uscita del training set puntato da t. Ritorna 0 in caso di
successo, oppure –1 in caso di errore.
• int load_tset(TSET *t, char *fname)
inizializza il training set t leggendo i valori nel file fname. Restituisce 0
nel caso in cui l’operazione sia stata eseguita correttamente, altrimenti
ritorna –1. Il file contenente il training set deve avere la struttura
descritta paragrafo 5.3.10.
• int init_net(NET *n, int n1, int n2, int n3,
float eta0, float m0, float minw, float maxw)
inizializza la rete neurale n con i seguenti parametri:
- n è il puntatore alla struttura che contiene la rete neurale da
inizializzare;
- n1, n2 e n3 specificano il numero di neuroni nei diversi strati della
rete, rispettivamento quello di input, nascosto e quello di output;
- eta0 e m0 sono i valori iniziali del learning rate e del momento, usati
nella fase di training della rete;
188