Fonctions Fann

Sommaire

• fann_cascadetrain_on_data — Trains on an entire dataset, for a period of time using the Cascade2 training algorithm
• fann_cascadetrain_on_file — Trains on an entire dataset read from file, for a period of time using the Cascade2 training algorithm.
• fann_clear_scaling_params — Clears scaling parameters
• fann_copy — Crée une copie d'une structure fann
• fann_create_from_file — Consruit une propagation de retour du réseau neuronal depuis un fichier de configuration
• fann_create_shortcut_array — Crée une propagation de retour standart de réseau neuronal qui n'est pas totalement connecté, et a des connexions raccourcies
• fann_create_shortcut — Creates a standard backpropagation neural network which is not fully connectected and has shortcut connections
• fann_create_sparse_array — Creates a standard backpropagation neural network, which is not fully connected using an array of layer sizes
• fann_create_sparse — Creates a standard backpropagation neural network, which is not fully connected
• fann_create_standard_array — Creates a standard fully connected backpropagation neural network using an array of layer sizes
• fann_create_standard — Creates a standard fully connected backpropagation neural network
• fann_create_train_from_callback — Crée la structure de données d'entrainement depuis une fonction fournie par l'utilisateur
• fann_create_train — Crée une structure vide de données d'entrainement
• fann_descale_input — Scale data in input vector after get it from ann based on previously calculated parameters
• fann_descale_output — Scale data in output vector after get it from ann based on previously calculated parameters
• fann_descale_train — Descale input and output data based on previously calculated parameters
• fann_destroy_train — Détruit les données d'entrainement
• fann_destroy — Détruit le réseau en entier, et libère proprement toute la mémoire associée
• fann_duplicate_train_data — Retourne une copie exact des données d'entrainement fann
• fann_get_activation_function — Returns the activation function
• fann_get_activation_steepness — Returns the activation steepness for supplied neuron and layer number
• fann_get_bias_array — Get the number of bias in each layer in the network
• fann_get_bit_fail_limit — Returns the bit fail limit used during training
• fann_get_bit_fail — The number of fail bits
• fann_get_cascade_activation_functions_count — Returns the number of cascade activation functions
• fann_get_cascade_activation_functions — Returns the cascade activation functions
• fann_get_cascade_activation_steepnesses_count — The number of activation steepnesses
• fann_get_cascade_activation_steepnesses — Returns the cascade activation steepnesses
• fann_get_cascade_candidate_change_fraction — Returns the cascade candidate change fraction
• fann_get_cascade_candidate_limit — Return the candidate limit
• fann_get_cascade_candidate_stagnation_epochs — Returns the number of cascade candidate stagnation epochs
• fann_get_cascade_max_cand_epochs — Returns the maximum candidate epochs
• fann_get_cascade_max_out_epochs — Returns the maximum out epochs
• fann_get_cascade_min_cand_epochs — Returns the minimum candidate epochs
• fann_get_cascade_min_out_epochs — Returns the minimum out epochs
• fann_get_cascade_num_candidate_groups — Returns the number of candidate groups
• fann_get_cascade_num_candidates — Returns the number of candidates used during training
• fann_get_cascade_output_change_fraction — Returns the cascade output change fraction
• fann_get_cascade_output_stagnation_epochs — Returns the number of cascade output stagnation epochs
• fann_get_cascade_weight_multiplier — Returns the weight multiplier
• fann_get_connection_array — Récupère les connexions dans le réseau
• fann_get_connection_rate — Récupère le taux de connexion lorsque le réseau a été créé
• fann_get_errno — Retourne le numéro de la dernière erreur
• fann_get_errstr — Retourne le dernier message d'erreur
• fann_get_layer_array — Get the number of neurons in each layer in the network
• fann_get_learning_momentum — Returns the learning momentum
• fann_get_learning_rate — Returns the learning rate
• fann_get_MSE — Reads the mean square error from the network
• fann_get_network_type — Get the type of neural network it was created as
• fann_get_num_input — Récupère le nombre de neurones entrants
• fann_get_num_layers — Récupère le nombre de couches du réseau neuronal
• fann_get_num_output — Récupère le nombre de neurones sortants
• fann_get_quickprop_decay — Returns the decay which is a factor that weights should decrease in each iteration during quickprop training
• fann_get_quickprop_mu — Retourne le facteur mu
• fann_get_rprop_decrease_factor — Retourne le facteur d'accroissement utilisé pendant l'entrainement RPROP
• fann_get_rprop_delta_max — Retourne la taille maximale de l'étape
• fann_get_rprop_delta_min — Retourne la taille minimale de l'étape
• fann_get_rprop_delta_zero — Retourne la taille initiale de l'étape
• fann_get_rprop_increase_factor — Retourne le facteur croissant utilisé pendant l'entrainement RPROP
• fann_get_sarprop_step_error_shift — Retourne le décalage de l'erreur lors de l'étape sarprop
• fann_get_sarprop_step_error_threshold_factor — Retourne le facteur de seuil d'erreur lors de l'étape sarprop
• fann_get_sarprop_temperature — Retourne la température sarprop
• fann_get_sarprop_weight_decay_shift — Retourne le changement décroissant du poids sarprop
• fann_get_total_connections — Récupère le nombre total de connexions dans la totalité du réseau
• fann_get_total_neurons — Récupère le nombre total de neurones dans la totalité du réseau
• fann_get_train_error_function — Retourne la fonction d'erreur utilisée pendant l'entrainement
• fann_get_train_stop_function — Retourne la fonction d'arrêt utilisée pendant l'entrainement
• fann_get_training_algorithm — Retourne l'algorithme d'entrainement
• fann_init_weights — Initialise les poids en utilisant les algorythme Widrow et Nguyen
• fann_length_train_data — Retourne le nombre de masques d'entrainement dans les données d'entrainement
• fann_merge_train_data — Fusionne les données d'entrainement
• fann_num_input_train_data — Retourne le nombre d'entrées dans chaque masque d'entrainement dans les données d'entrainement
• fann_num_output_train_data — Retourne le nombre de sortie dans chaque masque d'entrainement dans les données d'entrainement
• fann_print_error — Affiche le message d'erreur
• fann_randomize_weights — Donne à chaque connexion un poids aléatoire compris entre min_weight et max_weight
• fann_read_train_from_file — Lit un fichier contenant les données d'entrainement
• fann_reset_errno — Réinitialise le numéro de la dernière erreur
• fann_reset_errstr — Réinitialise le message de la dernière erreur
• fann_reset_MSE — Réinitialise l'erreur quadratique moyenne du réseau
• fann_run — Exécute les entrées via le réseau neuronal
• fann_save_train — Sauvegarde la structure d'entrainement dans un fichier
• fann_save — Sauvegarde le réseau complet dans un fichier de configuration
• fann_scale_input_train_data — Met à l'échelle les entrées dans les données d'entrainement à l'intervalle spécifié
• fann_scale_input — Met à l'échelle les données dans le vecteur d'entrée avant de les donner à ANN, en se basant sur les paramètres précédemment calculés
• fann_scale_output_train_data — Met à l'échelle les sorties dans les données d'entrainement à l'intervalle spécifié
• fann_scale_output — Met à l'échelle les données dans le vecteur de sortie avant de les passer à ANN, en se basant sur les paramètres précédemment calculés
• fann_scale_train_data — Met à l'échelle les entrées et les sorties dans les données d'entrainement à l'intervalle spécifié
• fann_scale_train — Met à l'échelle les données d'entrée et de sortie en se basant sur les paramètres précédemment calculés
• fann_set_activation_function_hidden — Défini la fonction d'activation pour toutes les couches cachées
• fann_set_activation_function_layer — Défini la fonction d'activation pour tous les neurones de la couche spécifiée
• fann_set_activation_function_output — Défini la fonction d'activation pour la couche d'entrée
• fann_set_activation_function — Défini la fonction d'activation pour le neurone et la couche spécifiés
• fann_set_activation_steepness_hidden — Défini la raideur de la pente d'activation pour tous les neurones des couches cachées
• fann_set_activation_steepness_layer — Défini la pente d'activation pour tous les neurones dans la couche dont le numéro est fourni
• fann_set_activation_steepness_output — Défini la raideur de la pente d'activation dans la couche de sortie
• fann_set_activation_steepness — Défini la pente d'activation pour le neurone et le numéro de couche donnés
• fann_set_bit_fail_limit — Défini le bit sûr limite, utilisé pendant l'entrainement
• fann_set_callback — Défini la fonction de rappel à utiliser pendant l'entrainement
• fann_set_cascade_activation_functions — Défini le tableau des fonctions d'activation candidate en cascade
• fann_set_cascade_activation_steepnesses — Défini le tableaux des raideurs d'activation candidate en cascade
• fann_set_cascade_candidate_change_fraction — Défini la fraction de modification candidate en cascade
• fann_set_cascade_candidate_limit — Défini la limite candidate
• fann_set_cascade_candidate_stagnation_epochs — Défini le nombre d'époques de stagnation candidates en cascade
• fann_set_cascade_max_cand_epochs — Défini l'époque maximale candidate
• fann_set_cascade_max_out_epochs — Défini l'époque maximale de sortie
• fann_set_cascade_min_cand_epochs — Défini l'époque minimale candidate
• fann_set_cascade_min_out_epochs — Défini l'époque minimale de sortie
• fann_set_cascade_num_candidate_groups — Défini le nombre de groupes candidats
• fann_set_cascade_output_change_fraction — Défini la fraction de modification de sortie en cascade
• fann_set_cascade_output_stagnation_epochs — Défini le nombre d'époques de stagnation en cascade de sortie
• fann_set_cascade_weight_multiplier — Défini le multiplicateur de poids
• fann_set_error_log — Défini l'endroit où les erreurs seront historisées
• fann_set_input_scaling_params — Calcule les paramètres d'échelle d'entrée pour une utilisation future, en se basant sur les données d'entrainement
• fann_set_learning_momentum — Défini la dynamique d'apprentissage
• fann_set_learning_rate — Défini le taux d'apprentissage
• fann_set_output_scaling_params — Calcule les paramètres d'échelle de sortie pour une utilisation future, en se basant sur les données d'entrainement
• fann_set_quickprop_decay — Défini le facteur décroissant quickprop
• fann_set_quickprop_mu — Défini le facteur quickprop mu
• fann_set_rprop_decrease_factor — Défini le facteur de diminution utilisé pendant l'entrainement RPROP
• fann_set_rprop_delta_max — Défini la taille maximale de l'étape
• fann_set_rprop_delta_min — Défini la taille minimale de l'étape
• fann_set_rprop_delta_zero — Défini la taille de l'étape initiale
• fann_set_rprop_increase_factor — Défini le facteur d'augmentation utilisé pendant l'entrainement RPROP
• fann_set_sarprop_step_error_shift — Défini le changement de l'étape d'erreur sarprop
• fann_set_sarprop_step_error_threshold_factor — Défini le facteur de seuil de l'étape d'erreur sarprop
• fann_set_sarprop_temperature — Défini la températeur sarprop
• fann_set_sarprop_weight_decay_shift — Défini le changement décroissant du poids de sarprop
• fann_set_scaling_params — Calcule les paramètres d'échelles d'entrée et de sortie utilisés en se basant sur les données d'entrainement
• fann_set_train_error_function — Défini la fonction d'erreur utilisée pendant l'entrainement
• fann_set_train_stop_function — Défini la fonction d'arrêt à utiliser durant l'entrainement
• fann_set_training_algorithm — Défini l'algorithme d'entrainement
• fann_set_weight_array — Défini les connexions dans le réseau
• fann_set_weight — Défini une connexion dans le réseau
• fann_shuffle_train_data — Mélange les données d'entrainement, et rend aléaloire leurs ordres
• fann_subset_train_data — Retourne une copie d'un sous-jeu de données d'entrainement
• fann_test_data — Effectue un test sur un jeu de données d'entrainement et calcule le MSE pour ces données
• fann_test — Effectue un test avec un jeu d'entrées et un jeu de sorties désirées
• fann_train_epoch — Effectue un entrainement avec un jeu de données d'entrainement
• fann_train_on_data — Effectue un entrainement sur un jeu de données complet pour une période de temps
• fann_train_on_file — Effectue un entrainement sur un jeu complet de données, qui peut être lu depuis un fichier, pour une période de temps
• fann_train — Effectue un entrainement sur une itération avec un jeu d'entrées, et un jeu de sorties désirées