Show
Ignore:
Timestamp:
08/05/09 14:40:03 (15 years ago)
Author:
mido
Message:

panove, vite, jak jsem peclivej na upravu kodu.. snad se vam bude libit:) konfigurace je v souboru /system/astylerc

Files:
1 modified

Legend:

Unmodified
Added
Removed

  • library/tests/arx_elem_test.cpp

    r386 r477  
    33 
    44int main() { 
    5         // Setup model : ARX for 1D Gaussian     
     5        // Setup model : ARX for 1D Gaussian 
    66        //Test constructor 
    7         mat V0 = 0.00001*eye(2); V0(0,0)= 0.1; // 
    8         ARX Ar; Ar.set_statistics(1, V0, -1.0); 
    9                                  
    10         mat mu(1,1); 
    11         mat R(1,1); 
    12         Ar._e()->mean_mat(mu,R); 
    13         cout << "Prior moments: mu="<< mu << ", R=" << R <<endl;  
    14          
     7        mat V0 = 0.00001 * eye ( 2 ); 
     8        V0 ( 0, 0 ) = 0.1; // 
     9        ARX Ar; 
     10        Ar.set_statistics ( 1, V0, -1.0 ); 
     11 
     12        mat mu ( 1, 1 ); 
     13        mat R ( 1, 1 ); 
     14        Ar._e()->mean_mat ( mu, R ); 
     15        cout << "Prior moments: mu=" << mu << ", R=" << R << endl; 
     16 
    1517        int ndat = 200; 
    16         vec smp=randn(ndat); 
     18        vec smp = randn ( ndat ); 
    1719        // 
    18         mat Smp=ones(2,ndat); 
    19         Smp.set_row(0,smp); 
     20        mat Smp = ones ( 2, ndat ); 
     21        Smp.set_row ( 0, smp ); 
    2022        // 
    21         Ar.bayesB(Smp); 
     23        Ar.bayesB ( Smp ); 
    2224        // Ar is now filled with estimates of N(0,1); 
    23         cout << "Empirical moments: mu=" << sum(smp)/ndat << ", R=" << sum_sqr(smp)/ndat - pow(sum(smp)/ndat,2) << endl; 
    24         Ar._e()->mean_mat(mu,R); 
    25         cout << "Posterior moments: mu="<< mu << ", R=" << R <<endl;  
    26          
     25        cout << "Empirical moments: mu=" << sum ( smp ) / ndat << ", R=" << sum_sqr ( smp ) / ndat - pow ( sum ( smp ) / ndat, 2 ) << endl; 
     26        Ar._e()->mean_mat ( mu, R ); 
     27        cout << "Posterior moments: mu=" << mu << ", R=" << R << endl; 
     28 
    2729        //////// TEST prediction 
    28         vec x=linspace(-3.0,3.0,100); 
    29         double xstep = 6.0/100.0; 
    30         mat X(1,100); 
    31         mat X2(2,100); 
    32         X.set_row(0,x); 
    33         X2.set_row(0,x); 
    34          
     30        vec x = linspace ( -3.0, 3.0, 100 ); 
     31        double xstep = 6.0 / 100.0; 
     32        mat X ( 1, 100 ); 
     33        mat X2 ( 2, 100 ); 
     34        X.set_row ( 0, x ); 
     35        X2.set_row ( 0, x ); 
     36 
    3537        mlstudent* Ap = Ar.predictor_student(); 
    36         vec Ap_x=Ap->evallogcond_m(X,vec_1(1.0)); 
    37         vec ll_x = Ar.logpred_m(X2); 
    38          
    39         cout << "normalize : " << xstep*sum(exp(Ap_x)) << endl; 
    40         cout << "normalize : " << xstep*sum(exp(ll_x)) << endl; 
    41          
    42         it_file it("arx_elem_test.it"); 
    43         it << Name("Ap_x") << Ap_x; 
    44         it << Name("ll_x") << ll_x; 
     38        vec Ap_x = Ap->evallogcond_m ( X, vec_1 ( 1.0 ) ); 
     39        vec ll_x = Ar.logpred_m ( X2 ); 
     40 
     41        cout << "normalize : " << xstep*sum ( exp ( Ap_x ) ) << endl; 
     42        cout << "normalize : " << xstep*sum ( exp ( ll_x ) ) << endl; 
     43 
     44        it_file it ( "arx_elem_test.it" ); 
     45        it << Name ( "Ap_x" ) << Ap_x; 
     46        it << Name ( "ll_x" ) << ll_x; 
    4547}