FANN (Fast Artificial Neural Network) Introduction Installation/Configuration Constantes pré-définies Exemples Fonctions Fann fann_cascadetrain_on_data — Trains on an entire dataset, for a period of time using the Cascade2 training algorithmfann_cascadetrain_on_file — Trains on an entire dataset read from file, for a period of time using the Cascade2 training algorithmfann_clear_scaling_params — Clears scaling parametersfann_copy — Crée une copie d'une structure fannfann_create_from_file — Consruit une propagation de retour du réseau neuronal depuis un fichier de configurationfann_create_shortcut_array — Crée une propagation de retour standart de réseau neuronal qui n'est pas totalement connecté, et a des connexions raccourciesfann_create_shortcut — Creates a standard backpropagation neural network which is not fully connectected and has shortcut connectionsfann_create_sparse_array — Creates a standard backpropagation neural network, which is not fully connected using an array of layer sizesfann_create_sparse — Creates a standard backpropagation neural network, which is not fully connectedfann_create_standard_array — Creates a standard fully connected backpropagation neural network using an array of layer sizesfann_create_standard — Creates a standard fully connected backpropagation neural networkfann_create_train_from_callback — Crée la structure de données d'entrainement depuis une fonction fournie par l'utilisateurfann_create_train — Crée une structure vide de données d'entrainementfann_descale_input — Scale data in input vector after get it from ann based on previously calculated parametersfann_descale_output — Scale data in output vector after get it from ann based on previously calculated parametersfann_descale_train — Descale input and output data based on previously calculated parametersfann_destroy_train — Détruit les données d'entrainementfann_destroy — Détruit le réseau en entier, et libère proprement toute la mémoire associéefann_duplicate_train_data — Retourne une copie exact des données d'entrainement fannfann_get_activation_function — Returns the activation functionfann_get_activation_steepness — Returns the activation steepness for supplied neuron and layer numberfann_get_bias_array — Get the number of bias in each layer in the networkfann_get_bit_fail_limit — Returns the bit fail limit used during trainingfann_get_bit_fail — The number of fail bitsfann_get_cascade_activation_functions_count — Returns the number of cascade activation functionsfann_get_cascade_activation_functions — Returns the cascade activation functionsfann_get_cascade_activation_steepnesses_count — The number of activation steepnessesfann_get_cascade_activation_steepnesses — Returns the cascade activation steepnessesfann_get_cascade_candidate_change_fraction — Returns the cascade candidate change fractionfann_get_cascade_candidate_limit — Return the candidate limitfann_get_cascade_candidate_stagnation_epochs — Returns the number of cascade candidate stagnation epochsfann_get_cascade_max_cand_epochs — Returns the maximum candidate epochsfann_get_cascade_max_out_epochs — Returns the maximum out epochsfann_get_cascade_min_cand_epochs — Returns the minimum candidate epochsfann_get_cascade_min_out_epochs — Returns the minimum out epochsfann_get_cascade_num_candidate_groups — Returns the number of candidate groupsfann_get_cascade_num_candidates — Returns the number of candidates used during trainingfann_get_cascade_output_change_fraction — Returns the cascade output change fractionfann_get_cascade_output_stagnation_epochs — Returns the number of cascade output stagnation epochsfann_get_cascade_weight_multiplier — Returns the weight multiplierfann_get_connection_array — Récupère les connexions dans le réseaufann_get_connection_rate — Récupère le taux de connexion lorsque le réseau a été crééfann_get_errno — Retourne le numéro de la dernière erreurfann_get_errstr — Retourne le dernier message d'erreurfann_get_layer_array — Get the number of neurons in each layer in the networkfann_get_learning_momentum — Returns the learning momentumfann_get_learning_rate — Returns the learning ratefann_get_MSE — Reads the mean square error from the networkfann_get_network_type — Get the type of neural network it was created asfann_get_num_input — Récupère le nombre de neurones entrantsfann_get_num_layers — Récupère le nombre de couches du réseau neuronalfann_get_num_output — Récupère le nombre de neurones sortantsfann_get_quickprop_decay — Returns the decay which is a factor that weights should decrease in each iteration during quickprop trainingfann_get_quickprop_mu — Retourne le facteur mufann_get_rprop_decrease_factor — Retourne le facteur d'accroissement utilisé pendant l'entrainement RPROPfann_get_rprop_delta_max — Retourne la taille maximale de l'étapefann_get_rprop_delta_min — Retourne la taille minimale de l'étapefann_get_rprop_delta_zero — Retourne la taille initiale de l'étapefann_get_rprop_increase_factor — Retourne le facteur croissant utilisé pendant l'entrainement RPROPfann_get_sarprop_step_error_shift — Retourne le décalage de l'erreur lors de l'étape sarpropfann_get_sarprop_step_error_threshold_factor — Retourne le facteur de seuil d'erreur lors de l'étape sarpropfann_get_sarprop_temperature — Retourne la température sarpropfann_get_sarprop_weight_decay_shift — Retourne le changement décroissant du poids sarpropfann_get_total_connections — Récupère le nombre total de connexions dans la totalité du réseaufann_get_total_neurons — Récupère le nombre total de neurones dans la totalité du réseaufann_get_train_error_function — Retourne la fonction d'erreur utilisée pendant l'entrainementfann_get_train_stop_function — Retourne la fonction d'arrêt utilisée pendant l'entrainementfann_get_training_algorithm — Retourne l'algorithme d'entrainementfann_init_weights — Initialise les poids en utilisant les algorythme Widrow et Nguyenfann_length_train_data — Retourne le nombre de masques d'entrainement dans les données d'entrainementfann_merge_train_data — Fusionne les données d'entrainementfann_num_input_train_data — Retourne le nombre d'entrées dans chaque masque d'entrainement dans les données d'entrainementfann_num_output_train_data — Retourne le nombre de sortie dans chaque masque d'entrainement dans les données d'entrainementfann_print_error — Affiche le message d'erreurfann_randomize_weights — Donne à chaque connexion un poids aléatoire compris entre min_weight et max_weightfann_read_train_from_file — Lit un fichier contenant les données d'entrainementfann_reset_errno — Réinitialise le numéro de la dernière erreurfann_reset_errstr — Réinitialise le message de la dernière erreurfann_reset_MSE — Réinitialise l'erreur quadratique moyenne du réseaufann_run — Exécute les entrées via le réseau neuronalfann_save_train — Sauvegarde la structure d'entrainement dans un fichierfann_save — Sauvegarde le réseau complet dans un fichier de configurationfann_scale_input_train_data — Met à l'échelle les entrées dans les données d'entrainement à l'intervalle spécifiéfann_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 calculésfann_scale_output_train_data — Met à l'échelle les sorties dans les données d'entrainement à l'intervalle spécifiéfann_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 calculésfann_scale_train_data — Met à l'échelle les entrées et les sorties dans les données d'entrainement à l'intervalle spécifiéfann_scale_train — Met à l'échelle les données d'entrée et de sortie en se basant sur les paramètres précédemment calculésfann_set_activation_function_hidden — Défini la fonction d'activation pour toutes les couches cachéesfann_set_activation_function_layer — Défini la fonction d'activation pour tous les neurones de la couche spécifiéefann_set_activation_function_output — Défini la fonction d'activation pour la couche d'entréefann_set_activation_function — Défini la fonction d'activation pour le neurone et la couche spécifiésfann_set_activation_steepness_hidden — Défini la raideur de la pente d'activation pour tous les neurones des couches cachéesfann_set_activation_steepness_layer — Défini la pente d'activation pour tous les neurones dans la couche dont le numéro est fournifann_set_activation_steepness_output — Défini la raideur de la pente d'activation dans la couche de sortiefann_set_activation_steepness — Défini la pente d'activation pour le neurone et le numéro de couche donnésfann_set_bit_fail_limit — Défini le bit sûr limite, utilisé pendant l'entrainementfann_set_callback — Défini la fonction de rappel à utiliser pendant l'entrainementfann_set_cascade_activation_functions — Défini le tableau des fonctions d'activation candidate en cascadefann_set_cascade_activation_steepnesses — Défini le tableaux des raideurs d'activation candidate en cascadefann_set_cascade_candidate_change_fraction — Défini la fraction de modification candidate en cascadefann_set_cascade_candidate_limit — Défini la limite candidatefann_set_cascade_candidate_stagnation_epochs — Défini le nombre d'époques de stagnation candidates en cascadefann_set_cascade_max_cand_epochs — Défini l'époque maximale candidatefann_set_cascade_max_out_epochs — Défini l'époque maximale de sortiefann_set_cascade_min_cand_epochs — Défini l'époque minimale candidatefann_set_cascade_min_out_epochs — Défini l'époque minimale de sortiefann_set_cascade_num_candidate_groups — Défini le nombre de groupes candidatsfann_set_cascade_output_change_fraction — Défini la fraction de modification de sortie en cascadefann_set_cascade_output_stagnation_epochs — Défini le nombre d'époques de stagnation en cascade de sortiefann_set_cascade_weight_multiplier — Défini le multiplicateur de poidsfann_set_error_log — Défini l'endroit où les erreurs seront historiséesfann_set_input_scaling_params — Calcule les paramètres d'échelle d'entrée pour une utilisation future, en se basant sur les données d'entrainementfann_set_learning_momentum — Défini la dynamique d'apprentissagefann_set_learning_rate — Défini le taux d'apprentissagefann_set_output_scaling_params — Calcule les paramètres d'échelle de sortie pour une utilisation future, en se basant sur les données d'entrainementfann_set_quickprop_decay — Défini le facteur décroissant quickpropfann_set_quickprop_mu — Défini le facteur quickprop mufann_set_rprop_decrease_factor — Défini le facteur de diminution utilisé pendant l'entrainement RPROPfann_set_rprop_delta_max — Défini la taille maximale de l'étapefann_set_rprop_delta_min — Défini la taille minimale de l'étapefann_set_rprop_delta_zero — Défini la taille de l'étape initialefann_set_rprop_increase_factor — Défini le facteur d'augmentation utilisé pendant l'entrainement RPROPfann_set_sarprop_step_error_shift — Défini le changement de l'étape d'erreur sarpropfann_set_sarprop_step_error_threshold_factor — Défini le facteur de seuil de l'étape d'erreur sarpropfann_set_sarprop_temperature — Défini la températeur sarpropfann_set_sarprop_weight_decay_shift — Défini le changement décroissant du poids de sarpropfann_set_scaling_params — Calcule les paramètres d'échelles d'entrée et de sortie utilisés en se basant sur les données d'entrainementfann_set_train_error_function — Défini la fonction d'erreur utilisée pendant l'entrainementfann_set_train_stop_function — Défini la fonction d'arrêt à utiliser durant l'entrainementfann_set_training_algorithm — Défini l'algorithme d'entrainementfann_set_weight_array — Défini les connexions dans le réseaufann_set_weight — Défini une connexion dans le réseaufann_shuffle_train_data — Mélange les données d'entrainement, et rend aléaloire leurs ordresfann_subset_train_data — Retourne une copie d'un sous-jeu de données d'entrainementfann_test_data — Effectue un test sur un jeu de données d'entrainement et calcule le MSE pour ces donnéesfann_test — Effectue un test avec un jeu d'entrées et un jeu de sorties désiréesfann_train_epoch — Effectue un entrainement avec un jeu de données d'entrainementfann_train_on_data — Effectue un entrainement sur un jeu de données complet pour une période de tempsfann_train_on_file — Effectue un entrainement sur un jeu complet de données, qui peut être lu depuis un fichier, pour une période de tempsfann_train — Effectue un entrainement sur une itération avec un jeu d'entrées, et un jeu de sorties désiréesFANNConnection — The FANNConnection class