def runVadLoop(sigList):
#############################################
# SpatialPoolerの設定 #
#############################################
sp = SpatialPooler(
inputDimensions = (20, 27),
columnDimensions = (10, 10),
localAreaDensity = 0.3,
potentialPct = 0.8,
potentialRadius = 269,
globalInhibition = True,
# synPermInactiveDec = spParams["synPermInactiveDec"],
synPermActiveInc = 0.001,
# synPermConnected = spParams["synPermConnected"],
# boostStrength = spParams["boostStrength"],
# wrapAround = True
seed = 1960
)
sp_info = Metrics( sp.getColumnDimensions(), 999999999 )
#############################################
# TemporalMemoryの設定 #
#############################################
tm = TemporalMemory(
columnDimensions = (10, 10),
cellsPerColumn = 16,
activationThreshold = 10,
initialPermanence = 0.21,
connectedPermanence = 0.5,
minThreshold = 4,
maxNewSynapseCount = 20,
permanenceIncrement = 0.1,
permanenceDecrement = 0.1,
# predictedSegmentDecrement = 0.0,
maxSegmentsPerCell = 64,
maxSynapsesPerSegment = 16,
seed = 1940
)
# tm_info = Metrics( [tm.numberOfCells()], 999999999 )
inputs = []
anomaly = []
anomalyProb = []
predictions = {1: [], 5: []}
encodeList = []
results = []
activeCells = 0
AnomalyScoreResult = []
count = 0
PRINTBORDER = 10
printBorder=PRINTBORDER
printBorderIncrement=PRINTBORDER
for loop in range(10):
for i, sig in enumerate(sigList):
mel = melspectrogram(sig)
mel = mel.T
for t in range(len(mel)):
### printBorderの区切り毎にカウントを表示する
### 例(printBorder=100)：0, 100, 200, 300, 400, ...
if (t+count) == printBorder:
print (t+count)
printBorder += printBorderIncrement
en = Encoder_2D(mel[t])
activeColumns = SDR( sp.getColumnDimensions() )
#############################################
# SpatialPoolerの学習 #
#############################################
sdr = SDR(dimensions = (20, 27))
sdr.sparse = np.nonzero(en[0].reshape(-1))[0]
sp.compute(sdr, True, activeColumns)
#############################################
# TemporalMemoryの学習 #
#############################################
tm.compute(activeColumns, learn=True)
#############################################
# 異常値の計算 #
#############################################
anomaly.append( tm.anomaly )
print(tm.anomaly)
### TemporalMemoryでmonotonically increaseするために
### １つの音声学習の学習に経過時間を足し続けて使用する
count += t
#############################################
# 学習データの保存(SP, TM) #
#############################################
sp.saveToFile("sp.model")
tm.saveToFile("tm.model")
return anomaly, results
def runVadLoop(sigList):
#############################################
# SpatialPoolerの設定 #
#############################################
sp = SpatialPooler()
sp.loadFromFile("sp.model")
#############################################
# TemporalMemoryの設定 #
#############################################
tm = TemporalMemory()
tm.loadFromFile("tm.model")
inputs = []
anomaly = []
anomalyProb = []
predictions = {1: [], 5: []}
encodeList = []
results = []
activeCells = 0
AnomalyScoreResult = []
count = 0
PRINTBORDER = 10
printBorder=PRINTBORDER
printBorderIncrement=PRINTBORDER
for loop in range(1):
for i, sig in enumerate(sigList):
mel = melspectrogram(sig)
mel = mel.T
for t in range(len(mel)):
### printBorderの区切り毎にカウントを表示する
### 例(printBorder=100)：0, 100, 200, 300, 400, ...
if (t+count) == printBorder:
print (t+count)
printBorder += printBorderIncrement
en = Encoder_2D(mel[t])
activeColumns = SDR( sp.getColumnDimensions() )
sdr = SDR(dimensions = (20, 27))
sdr.sparse = np.nonzero(en[0].reshape(-1))[0]
sp.compute(sdr, False, activeColumns)
tm.compute(activeColumns, learn=False)
anomaly.append( tm.anomaly )
count += t
return anomaly, results
