% _________________________________________________________________________
% จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
% PREDICTION OF ACUTE HYPOTENSIVE EPISODES USING NEURAL NETWORK MULTIMODELS
% _________________________________________________________________________
% จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
%        Copyright (C) 2009
%          : Jorge Henriques ...  <jh@dei.uc.pt>,
%          : Teresa Rocha    ...  <teresa@sun.isec.pt>
%        This software is released under the terms of the GNU
%        General Public License (http://www.gnu.org/copyleft/gpl.html)
% จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
% mainTrainABPSignal.m
%__________________________________________________________________________
% จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ

%__________________________________________________________________________
% จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
%  Traing GRNN models based on datasets (H, C)
%       1. Load a signal from SOURCE
%             ..\dataTrain
%       2. Computation of optimal ORDER and SIZE
%       3. Define strutucture and parameters of GRNN models for each signal
%บบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบ OUTPUT
%  ORDER, SIZE and GRNN Models.
%  To be saved in folder
%              ..\NNModels
%  .. OSTOTAL=[ ORDER, SIZE ]  (60x2) corresponding to the 60 dataSets(H+C)
%  .. NETXi_j models - 60*D neural networks, D window size
%  ..     X ={H,C}, i=1..15, j=1..W   (W windows)
%__________________________________________________________________________
% จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ

clear; clc; close all
warning off

showTrain = 0;
saveTrain = 1;

disp('___________________________________________________________________')
disp('จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ')
disp('                          mainTrainABPSignal                       ')
disp('___________________________________________________________________')
disp('จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ')
pause(1)


%บบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบ
%                                                           DEFINITIONS  1.
%บบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบ

%__________________________________________________________________________
%                                                            Data Set - 1.1
%จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
pathTrain= '..\dataTrain\';
LIST     = {'H1', 'H2', 'C1', 'C2'}
sinal    = 'BP'
DATNUM   = 15 
T0       = 600;  %.. Start of AHE (assume data knowledge 10 hours before)
FORECAST = 60    %.. One hour     (forecast window)

%__________________________________________________________________________
%                                                        Multi Models - 1.2
%จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
D        =  15;   %.. Window prediction size
NUMNET   =   4;   %.. num Networks
AFTER    =   4;   %.. num Windows = (D*AFTER minutes)
tolERROR =  20;      %.. Maximum prediction error for each signal
firstORD =  60;      %.. minutes
lastORD  =  80;     %.. minutes
firstSIZE= 120;     %.. minutes 
lastSIZE = 170;     %.. minutes
INC      =  10;     %.. minutes
 
 
%บบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบ
%                                                               TRAINING 2.
%บบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบบ

%__________________________________________________________________________
%                                                              Each dataSet
%จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
for itList=1:length(LIST)

    %                                                CYCLE FOR ORDER / SIZE
    %----------------------------------------------------------------------
    ORD   =[  firstORD: INC:  lastORD ]  ;
    SIZE  =[ firstSIZE: INC: lastSIZE ]  ;
    ORDSIZ=[ ];
    %                                                            Each signal
    %----------------------------------------------------------------------
    for itData=1:DATNUM

        str=char(LIST(itList));
        dataSet=str(1);
        numSet =str(2);
        

        %                                                                1.
        %-------------------------------------------  Load a signal (660,3)
        cmd=['load ' char(pathTrain) char(sinal) '_'  ...
            char(dataSet) char(numSet) '_' num2str(itData) '.mat'];
        eval(cmd);
        DAT0=DAT;

        %                                                                2.
        %------------------------------------------------  Find ORD/SIZ/NET
        minERROR=realmax;
        for itSIZE=SIZE
            for itORD=ORD

                if (itSIZE) < (FORECAST+itORD)
                    continue
                end

                clc
                ['::::::::::::::::::::::::::::::::::::::  ' dataSet numSet]
                [ itData itSIZE itORD ]

                %                                               Window data
                %~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
                [DAT, idB, idE, id0  ]=mmWindowDat(DAT0,T0,D,AFTER,itSIZE);
                [DAT, dmin,dmax, dbia]=mmNormalize(DAT, -1, 1, 0, id0 );

                %                           Data train:Input(XX) Target(YY)
                %~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
                outY= DAT(1:id0);
                outN= DAT(1:id0);
                XX = mmInputXX(DAT, id0, itORD);
                for NET=1:NUMNET
                    %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ YREAL
                    YR   = [];
                    first= itORD+(NET-1)*D+1;
                    last = id0;
                    for id = first:last
                        iyy= id:id+D-1;
                        yy = DAT(iyy,:);
                        yy = yy(:);
                        YR = [YR   yy ];
                    end
                    %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ YPrediction
                    YP   = [];
                    first= id0+1;
                    last = id0+(NET-1)*D;
                    for id = first:last
                        iyy= id:id+D-1;
                        yy = DAT(iyy,:);
                        yy = yy(:);
                        YP = [YP   yy ];
                    end
                    %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ TRAINING GRNN
                    YY = [YR YP];
                    [net,YNi,tr]= mmGRNNTrain(XX, YY, tolERROR, FORECAST);
                    disp(['... Training : '  ...
                        num2str(NET) ' --- ' num2str(tr,5) ])

                    %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ Net temp
                    for numN=1:NUMNET
                        if NET==numN
                            cmd=['net' num2str(numN) '=net;'];
                            eval(cmd);
                        end
                    end

                    %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ Update
                    YN    = sim(net,XX);
                    yn    = YN(:,end);
                    yn    = yn-yn(1)+outN(end);
                    XX    = [XX ; YN ];
                    outN  = [outN; yn ];
                    outY  = [outY; DAT(iyy) ];

                    %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ Show
                    if showTrain==2 %.. hide
                        close all
                        figure(1)
                        plot(1:length(outY),outY,'g',...
                            1:length(outN),outN,'b' )
                        hold on
                        plot(1:length(outY),1*ones(size(outY)),'k.' );
                        plot([id0 id0],...
                            [min(outY) max(outY)],'c-','LineWidth',5 );
                        plot([FORECAST+id0 FORECAST+id0],...
                            [min(outY) max(outY)],'c-','LineWidth',5 );
                        pause
                    end

                end

                %                                     Optimal NET/ORD/SIZ
                %~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
                errFOR=outY(end-FORECAST+1:end)-outN(end-FORECAST+1:end);
                ERROR= sum(errFOR.^2);
                if ERROR<minERROR
                    minERROR=ERROR;
                    minORD  =itORD;
                    minSIZ  =itSIZE;
                    for numN=1:NUMNET
                        cmd=['minN' num2str(numN) '=net' num2str(numN) ';'];
                        eval(cmd);
                    end
                end

                %~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
                if showTrain==2 %.. hide
                    figure(1)
                    plot(1:length(outY),outY,'g',...
                        1:length(outN),outN,'b','LineWidth',3 )
                    xlabel(num2str(ERROR))
                    pause
                end

            end
        end

        %__________________________________________________________________
        %                                                      Each SIGNAL
        %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ

        %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ ORD / SIZE
        ORDSIZ=[ORDSIZ;  minORD minSIZ];

        OS=[ minORD minSIZ];
        if saveTrain
            cmd=['save ..\NNmodels\OS' char(dataSet) char(numSet) ...
                num2str(itData) ' OS'];
            eval(cmd)
        end

        %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ GRNN
        for numN=1:NUMNET
            cmd=['net=minN' num2str(numN) ';'];
            eval(cmd);
            if saveTrain
                cmd=['save ..\NNmodels\NET' char(dataSet) char(numSet) ...
                    num2str(itData) '_' num2str(numN) ' net'];
                eval(cmd);
            end
        end

        %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ Show
        if showTrain
            DIM=length(outY);
            mmMaximize
            figure(1)
            hold on

            plot(1:DIM,outY,'g','LineWidth',5)
            plot(1:DIM,outN,'r','LineWidth',2)
            plot([id0 id0],...
                [min(min(outY),min(outN))-5  min(max(outY),max(outN))+5 ],'k:','LineWidth',3 );
            axis([0 DIM  min(min(outY),min(outN))-1  min(max(outY),max(outN))+1])
            legend('Signal','Neural model','T0')
            strTitle=[  char(dataSet)  char(numSet) ];
            strLabel=[  'ORDER: ' num2str(minORD)  '       ' ...
                ' SIZE: ' num2str(minSIZ) ];
            mmLabel(strTitle,strLabel,'[-1..1]')

            %จจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจจ
            pause
            close all
        end
        %-----------------------------------------------  itData ----------

    end
    %---------------------------------------------------  itList ----------


end

%~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%                                          Matrix (60,2) - All [ORDER SIZE]
%~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
OSTOTAL=[];
for id=1:DATNUM
    cmd=['load ..\NNmodels\OSH1' num2str(id) ];
    eval(cmd)
    OSTOTAL=[OSTOTAL;OS];
end
for id=1:DATNUM
    cmd=['load ..\NNmodels\OSH2' num2str(id) ];
    eval(cmd)
    OSTOTAL=[OSTOTAL;OS];
end
for id=1:DATNUM
    cmd=['load ..\NNmodels\OSC1' num2str(id) ];
    eval(cmd)
    OSTOTAL=[OSTOTAL;OS];
end
for id=1:DATNUM
    cmd=['load ..\NNmodels\OSC2' num2str(id) ];
    eval(cmd)
    OSTOTAL=[OSTOTAL;OS];
end
OS=OSTOTAL;
if saveTrain
    save ..\NNModels\OSTOTAL OS
end
option=1;