learn_2s_som.m 21 KB
Newer Older
1
function [StsMap sMap_denorm Resultout sMapPTout] = learn_2s_som(A,nb_neurone,varargin)
2
% Create and train SOM or 2S-SOM map.
3
%
4 5
% Usage:
%
6 7 8
%    [sMap, sMap_denorm, Result, sMapPT] = learn_2s_som(A, nb_neurone, <OPTIONS>)
% or
%    St = learn_2s_som(A,nb_neurone, '-struct', <OPTIONS>)
9
%
10
% Mandatory input arguments:
11
%
12 13
%   A, ...
%             The data. Array. Currently 2D: [nb-patterns x size-of-patterns]
14
%
15 16 17 18
%   nb_neurone, ...
%             Number of neurons of the MAP. The SOM_MAKE will select the
%             appropriate 2D grid Map proportion, limited by this total number of
%             neurons.
19
%
20
%
21 22 23 24
% Input arguments should be specified by pairs, with the execption of Flag
% arguments (like 'S2-SOM').
% 
% For instance:
25
%
26
%    'radius', [ 5 1 ],  'trainlen', 20,  'tracking', 1, 'S2-SOM', 'dimdata', [12, 36], ...
27 28
%
%
29
% Arguments d'entrée en option:
30
%
31 32 33 34
%    'radius', Value, ...
%             En forme de vecteur, chaque deux elements qui ce suivent constitue un
%             pallier de chagements pour la temperature; Ainsi une liste de trois
%             valeurs [r1, r2, r3] donne deux paliers de changeents [r1 a r2] et [r2 a r3].
35
%
36 37 38 39
%    'trainlen', Value, ...
%             En forme de vecteur: chaque element constitue une suite d'itérations
%             du processus d'entrainement. L'argument de RADIUS doit avoir un element
%             en plus que celui de TRAINLEN.
40
%
41 42
%    'tracking', Value, ...
%             Scalar. 0, 1, 2 to visualize training. 0 means no visualitation.
43 44
%
%
45 46
%    'S2-SOM', ...
%             Flag argument. If present, training with S2-SOM is realized.
47
%
48
%
49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
%   If 'S2-SOM' is specified, here are other arguments to specify:
%
%    'dimdata', Value, ...
%             Vector containing 2S-SOM bloc or group dimensions.
%
%    'lambda, Value, ...
%             Scalar or vector. It's an hyperparameter for computing the weight of
%             blocs, or ALPHA.
%
%    'eta', Value, ...
%             Scalar or vector. It's an hyperparameter for computing the weight of
%             variables, or BETA.
%
%    'radius-2s-som', Value, ...
%             Two elements vector. To use as radius limits during the the 2S-SOM
%             training phase.
%
%    'trainlen-2s-som', Value, ...
%             Scalar. To use as trainlen for the the 2S-SOM training phase.
%
%
%   Other input arguments:
%
%    'return-struct', ...
%             Flag argument. If present, the function will return a struct rather
%             than four individual output variables.
%
%    'data-name', Value, ...
%             String. Name used to nominate SOM data struct.
%
%    'comp-names', Value, ...
%             Cell of strings. Names of each component of data (each column) in SOM
%             data struct.
%
%    'norm', Value, ...
%             String. If 'norm' is present, a flag is activated to normalize
%             data. The argument Value is 'simple' by default. See SOM_NORMALIZE
%             for mor explanations.
%
%    'init', Value, ...
%    'lattice', Value, ...
%    'tracking', Value, ...
%             Scalar. see SOM_MAKE for details of those arguments. Defaults are:
%             'lininit', 'rect', 0, respectively.
%
%    'parcomp', Value, ...
%             Scalar. The value is the number of parcomp workers. 8 by default.
%
%             Note: even if 'parcomp' option is not used, LEARN_2S_SOM uses a
%             PARFOR loop, activating some paralelism. You must enter the code and
%             comment the parcomp line near line 518:
%
%                 parfor (i=1:n_lambda,parcomp_M)
%
%             and comment out the next one for a simple and sequential for loop:
%
%                 for i = 1:n_lambda
%
%             if you want to completely deactivate this parallel behaviour.
%
%
% Output arguments:
%
%   sMap:        La carte SOM ou S2-SOM au point de meilleur "Perf".
%
%   sMap_denorm: La carte SOM ou S2-SOM au point de meilleur "Perf", denormalisee.
%
%   Result:      structure (vecteur) avec les sorties ou resultats de chaque cas
%                entraine (avec une paire distincte de la combinaison entre lambda
%                et eta). Champs de Result:
%
%                  sMap:    La carte SOM ou S2-SOM du cas.
%                  bmus:    Bmus (best matching units) sur toute la zone.
%                  Alpha:   Coefficients Alpha multipliant les groupes.
%                  Beta:    Coefficients Alpha multipliant les variables au sans de
%                           la Carte Topologique.
%                  lambda:  Scalar or array of LAMBDA values (same as input).
%                  eta:     Scalar or array of ETA values (same as input).
%                  DimData: Group sizes.
%                  Perf:    parametre "distortion measure for the map", calcule par
%                           la fonction som_distortion.
%
131 132 133
%
%   (bmus_pixel:(best matching units) par pixel.)
% Detailed explanation goes here
134 135


136
% Valeurs par defaut
137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162
tracking       = 0;
init           = 'lininit';
lattice        = 'rect';

% flags et variables associees
bool_verbose        = false;
bool_return_struct  = false;
bool_norm           = false; type_norm     = 'simple';
bool_rad            = false; rad           = [5 1];
bool_trainlen       = false; trlen         = 20;
bool_rad_2s_som     = false; rad_2s_som    = [];
bool_trlen_2s_som   = false; trlen_2s_som  = [];
bool_2ssom          = false;
bool_DimData        = false; DimData       = [size(A,2)];
bool_lambda         = false; lambda        = 1;
bool_eta            = false; eta           = 1000;
bool_parcomp        = false; parcomp_workers = 8; % 8 workers for parallel computing by default, if activated (if bool_parcomp is true)

Result              = struct([]);

bool_init_with_make = true;
bool_pre_training   = true;

%recuperer les donnees
data.data=A;
label=[1:size(data.data,2)];
163

164 165 166 167 168 169 170 171
%Labelise les donnees (affectation apres boucle d'arguments (selon la valeur de DimBloc)
ListVar={};

data_casename='simulation';

% --- CM pour ajouter les arguments 'data_name' et 'comp_names'
i=1;
while (i<=length(varargin))
172
    if ischar(varargin{i})
173 174 175 176 177
        switch lower(varargin{i}),
            case { 'verbose', '-verbose' },
                bool_verbose = true;
            case { 'returnstruct', 'return-struct', 'struct', '-return-struct', '-struct' },
                bool_return_struct = true;
178
            case { 'data-name', 'data_name' },
179
                data_casename = varargin{i+1}; i=i+1;
180
            case { 'comp-names', 'comp_names' },
181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249
                ListVar = varargin{i+1}; i=i+1;
            case { 'norm' },
                bool_norm = true;
                type_norm = varargin{i+1}; i=i+1;
            case { 'init' },
                init = varargin{i+1}; i=i+1;
            case { 'tracking' },
                tracking = varargin{i+1}; i=i+1;
            case { 'lattice' },
                lattice = varargin{i+1}; i=i+1;
            case 'radius'
                bool_rad = true;
                rad = varargin{i+1}; i=i+1;
            case 'trainlen'
                bool_trainlen = true;
                trlen = varargin{i+1}; i=i+1;
            case 'radius-2s-som'
                bool_rad_2s_som = true;
                rad_2s_som = varargin{i+1}; i=i+1;
            case 'trainlen-2s-som'
                bool_trlen_2s_som = true;
                trlen_2s_som = varargin{i+1}; i=i+1;
            case {'s2-som', '2s-som'},
                disp('** S2-SOM Active **');
                bool_2ssom = true;
            case {'no-s2-som', 'no-2s-som'},
                disp('** S2-SOM Inactive, only SOM training **');
                bool_2ssom = false;
            case 'dimdata'
                DimData = varargin{i+1}; i=i+1;
                for di=1:length(DimData)
                    DimBloc(di).Dim = DimData(di);
                end
                bool_DimData = true;
            case 'lambda'
                lambda=varargin{i+1}; i=i+1;
                if length(lambda) < 1
                    error('lambda est de longueur nulle !  Il doit y avoir au moins une valeur')
                end
                if isscalar(lambda) && lambda <= 0
                    bool_lambda = false;
                else
                    bool_lambda = true;
                end
            case 'eta'
                eta = varargin{i+1}; i=i+1;
                if length(eta) < 1
                    error('eta est de longueur nulle !  Il doit y avoir au moins une valeur')
                end
                if isscalar(eta) && eta <= 0
                    bool_eta = false;
                else
                    bool_eta = true;
                end
            case 'parcomp'
                bool_parcomp = true;
                parcomp_workers = varargin{i+1}; i=i+1;
            case 'ini-with-make'
                bool_init_with_make = true;
            case 'no-ini-with-make'
                bool_init_with_make = false;
            case 'pre-training'
                bool_pre_training   = true;
            case 'no-pre-training'
                bool_pre_training   = false;
            otherwise
                error(sprintf(' *** %s error: argument(%d) ''%s'' inconnu ***\n', ...
                    mfilename, i, varargin{i}));
        end
250
    else
251 252
        error(sprintf(' *** %s error: argument non-string inattendu (en %d-iemme position) ***\n', ...
            mfilename, i));
253 254
    end
    i=i+1;
255
end
256

257
if isempty(ListVar),
258 259
    kVar = 1;
    for iG = 1:length(DimData),
260 261 262 263 264
        szG = DimData(iG);
        for l = 1:szG
            ListVar{kVar,1} = sprintf('Gr%dVar%d', iG, l);
            kVar = kVar + 1;
        end
265
    end
266
end
267

268
data.colheaders = ListVar;
269

270 271 272 273 274 275 276 277 278 279 280 281
sD = som_data_struct(data.data,'name', data_casename,'comp_names', upper(ListVar));
% i=1;
% while (i<=length(varargin) && bool_norm==0)
%   if strcmp(varargin{i},'norm')
%     bool_norm=1;
%     type_norm=varargin{i+1};
%   end
%   i=i+1;
% end

%normalisation des donnees
if bool_norm
282 283
    fprintf(1,'\n-- Normalisation des donnees selon ''%s'' ...\n', type_norm);
    if strcmp(type_norm,'simple')
284
        sD_norm=som_normalize(sD);
285
    else
286
        sD_norm=som_normalize(sD,type_norm);
287
    end
288
else
289
    fprintf(1,'\n** Pas de normalisation des donnees **\n');
290
    sD_norm = sD;
291
end
292

293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317

% if ~isempty(varargin)
%   i=1;
%   while i<=length(varargin)
%     if strcmp(varargin{i},'init')
%       init=varargin{i+1};
%     end
%     if strcmp(varargin{i},'tracking')
%       tracking=varargin{i+1};
%     end
%     if strcmp(varargin{i},'lattice')
%       lattice=varargin{i+1};
%     end
%     i=i+1;
%   end
% end

fprintf(1,[ '\n-- ------------------------------------------------------------------\n', ...
    '-- New 2S-SOMTraining function:\n', ...
    '--   %s (''%s'', ''%s'', ''%s'', ... )\n', ...
    '-- ------------------------------------------------------------------\n' ], ...
    mfilename, init, lattice, data_casename);

%SOM initialisation
if bool_init_with_make
318
    fprintf(1,'\n-- Initialisation avec SOM_MAKE ... ')
319
    sMap=som_make(sD_norm, ...
320 321 322 323 324 325
        'munits',   nb_neurone, ...
        'lattice',  lattice, ...
        'init',     init, ...
        'tracking', tracking); % creer la carte initiale avec et effectuer un entrainenemt
    
else
326
    if strcmp(init,'randinit')
327 328 329 330 331 332
        fprintf(1,'\n-- Initialisation avec SOM_RANDINIT ... ')
        sMap=som_randinit(sD_norm, ...
            'munits',   nb_neurone, ...
            'lattice',  lattice, ...
            'tracking', tracking); % creer la carte initiale
        
333
    elseif strcmp(init,'lininit')
334 335 336 337 338 339
        fprintf(1,'\n-- Initialisation avec SOM_LININIT ... ')
        sMap=som_lininit(sD_norm, ...
            'munits',   nb_neurone, ...
            'lattice',  lattice, ...
            'tracking', tracking); % creer la carte initiale
        
340
    else
341 342 343
        error(sprintf(['\n *** %s error: invalid ''init'' option ''%s'' ***\n', ...
            '     Shoud be one between { ''lininit'', ''randinit'' } ***\n' ], ...
            mfilename, init));
344 345
    end
    fprintf(1,' <som init END>.\n')
346
end
347 348 349 350 351
fprintf(1,'\n   - msize ......... [%s]\n',join(string(sMap.topol.msize),', '));
fprintf(1,'   - lattice ....... ''%s''\n',sMap.topol.lattice);
fprintf(1,'-- Training data:\n')
fprintf(1,'   - radius ........ [%s]\n',join(string(rad),', '));
fprintf(1,'   - trainlen ...... [%s]\n',join(string(trlen),', '));
352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377

% bool_rad=0;
% bool_trainlen=0;
% if ~isempty(varargin)
%
%   i=1;
%   while i<=length(varargin)
%     if ischar(varargin{i})
%       switch varargin{i}
%         case 'radius'
%           bool_rad=1;
%           loc_rad=i;
%           rad=varargin{loc_rad+1};
%           i=i+1;
%         case 'trainlen'
%           bool_trainlen=1;
%           loc_trainlen=i;
%           trlen=varargin{loc_trainlen+1};
%           i=i+1;
%         otherwise
%           i=i+1;
%       end
%     else
%       i=i+1;
%     end
%   end
378

379
if bool_pre_training
380 381
    pretrain_tracking = tracking;
    %pretrain_tracking = 1;
382
    
383 384
    % batchtrain avec radius ...
    if (bool_rad && ~bool_trainlen)
385 386 387 388 389 390 391 392 393 394 395
        fprintf(1,'\n-- BATCHTRAIN initial avec radius ... ')
        if pretrain_tracking, fprintf(1,'\n'); end
        j=1;
        while j<length(rad)
            
            sMap=som_batchtrain(sMap, sD_norm, ...
                'radius',[rad(j) rad(j+1)], ...
                'tracking',pretrain_tracking);
            j=j+1;
            
        end
396
    end
397
    % batchtrain avec trainlen ...
398 399 400 401 402 403 404 405 406 407 408 409
    if (~bool_rad && bool_trainlen)
        fprintf(1,'\n-- BATCHTRAIN initial avec trainlen ... ')
        if pretrain_tracking, fprintf(1,'\n'); end
        j=1;
        while j<=length(trlen)
            
            sMap=som_batchtrain(sMap, sD_norm, ...
                'trainlen',trlen(j), ...
                'tracking',pretrain_tracking);
            j=j+1;
            
        end
410
    end
411
    % batchtrain avec radius et trainlen
412
    if (bool_rad && bool_trainlen)
413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428
        fprintf(1,'\n-- BATCHTRAIN initial avec radius et trainlen ... \n')
        if pretrain_tracking, fprintf(1,'\n'); end
        if length(rad)==length(trlen)+1
            
            j=1;
            while j<length(rad)
                
                sMap=som_batchtrain(sMap, sD_norm, ...
                    'radius',[rad(j) rad(j+1)], ...
                    'trainlen',trlen(j), ...
                    'tracking',pretrain_tracking);
                j=j+1;
                
            end
        else
            error('vecteur radius doit avoir un element en plus que le vecteur trainlen ')
429
        end
430
    end
431
    sMapPT = sMap;
432
    
433 434 435
    current_perf = som_distortion(sMap,sD_norm);
    fprintf(1,'--> som_distortion apres entrainement initiale = %s\n', num2str(current_perf));
    
436
else
437
    fprintf(1,'** batchtrain initial (pre-training) non active **\n')
438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485
end
% end

% %S2-SOM
% bool_2ssom=0;
% bool_DimData=0;
% bool_lambda=0;
% bool_eta=0;
%
% if ~isempty(varargin)
%   i=1;
%   while i<=length(varargin)
%     if ischar(varargin{i})
%       switch varargin{i}
%
%         case 'S2-SOM'
%           disp('** S2-SOM Active **');
%           bool_2ssom=1;
%           i=i+1;
%           %mettre en bloc
%         case 'DimData'
%           i=i+1;
%           DimData=varargin{i};
%           for di=1:length(DimData)
%             DimBloc(di).Dim=DimData(di);
%           end
%           bool_DimData=1;
%         case 'lambda'
%           i=i+1;
%           lambda=varargin{i};
%           if length(lambda) < 1
%             error('lambda est de longueur nulle !  Il doit y avoir au moins une valeur')
%           end
%           bool_lambda=1;
%         case 'eta'
%           i=i+1; eta=varargin{i};
%           if length(eta) < 1
%             error('eta est de longueur nulle !  Il doit y avoir au moins une valeur')
%           end
%           bool_eta=1;
%         otherwise
%           i=i+1;
%
%       end
%     else
%       i=i+1;
%     end
%   end
486

487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502
if (bool_2ssom)
    %if (bool_lambda && bool_eta && bool_DimData)
    if (bool_lambda && bool_eta)
        
        n_lambda = length(lambda);
        n_eta    = length(eta);
        i_train = 1;
        n_train = n_lambda*n_eta;
        
        if ~bool_rad_2s_som
            rad_2s_som =  [rad(round(length(rad)/2)) ...
                rad((round(length(rad)/2))+1)];
        end
        if ~bool_trlen_2s_som
            trlen_2s_som = trlen(round(length(trlen)/2));
        end
503 504
        fprintf(1,'   - rad_2s_som .... [%s]\n',join(string(rad_2s_som),', '));
        fprintf(1,'   - trlen_2s_som .. [%s]\n',join(string(trlen_2s_som),', '));
505 506 507 508 509 510 511 512 513 514 515 516 517 518 519
        
        fprintf(1,[ '\n-- batchtrainRTOM loop for %d lambda and %d eta values:\n', ...
            '-- ------------------------------------------------------------------\n' ], ...
            n_lambda, n_eta);
        if tracking > 1,
            fprintf(1,'   ... trainlen_2s_som ... %s\n', num2str(trlen_2s_som))
            fprintf(1,'   ... radius_2s_som ..... [%s]\n', join(string(rad_2s_som),', '))
        end
        if bool_parcomp, ticBytes(gcp); end   % POUR CALCUL PARALLELE
        if bool_parcomp
            parcomp_M = parcomp_workers;
        else
            parcomp_M = 1;
        end
        parfor (i=1:n_lambda,parcomp_M)
520 521 522
        %for i = 1:n_lambda
            ResultIJ = struct([]);
            for j = 1:n_eta
523 524 525 526 527
                fprintf(1,[ '-- batchtrainRTOM (%d/%d) %d train iterations', ...
                    ' [R: %s], with lambda=%s and eta=%s ... ' ], ...
                    (i - 1) * n_eta + j, n_train, trlen_2s_som, ...
                    join(string(rad_2s_som),'-'), ...
                    num2str(lambda(i)), num2str(eta(j)));
528 529
                if tracking, fprintf(1,'\n'); end
                
530
                [ResultIJ(1).sMap, ResultIJ(1).bmus, ResultIJ(1).Alpha, ResultIJ(1).Beta] = som_batchtrainRTOM( ...
531 532 533 534 535 536 537 538 539 540
                    sMap, sD_norm, ...
                    'TypeAlgo', '2SSOM', ...
                    'DimData',  DimData, ...
                    'DimBloc',  DimBloc, ...
                    'lambda',   lambda(i), ...
                    'eta',      eta(j), ...
                    'radius',   rad_2s_som, ...
                    'trainlen', trlen_2s_som, ...
                    'tracking', tracking);
                
541 542 543
                ResultIJ(1).lambda  = lambda(i);
                ResultIJ(1).eta     = eta(j);
                ResultIJ(1).DimData = DimData;
544
                
545
                current_perf = som_distortion(ResultIJ(1).sMap,sD_norm);
546 547
                fprintf(1,'   --> som_distortion=%s\n', num2str(current_perf));
                
548 549 550 551 552 553 554 555 556 557 558
                ResultIJ(1).Perf = current_perf;
                
                LoopResult(i,j).fields = fields(ResultIJ);
                LoopResult(i,j).values = struct2cell(ResultIJ);
            end
        end
        for ij = 1:length(LoopResult)
            if ij == 1
                Result = cell2struct(LoopResult(ij).values,LoopResult(ij).fields);
            else
                Result(ij) = cell2struct(LoopResult(ij).values,LoopResult(ij).fields);
559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589
            end
        end
        if bool_parcomp, tocBytes(gcp), end   % POUR CALCUL PARALLELE
        
        % best_i   = 0;
        % best_j   = 0;
        % bestperf = inf;
        % for i=1:n_lambda
        %   for j=1:n_eta
        %       %  end
        %       %end
        %       % best_i=0;
        %       % best_j=0;
        %       % bestperf=inf;
        %       % for i=1:n_lambda
        %       %   for j=1:n_eta
        %       %
        %       if Result(i,j).Perf < bestperf
        %           best_i = i;
        %           best_j = j;
        %           bestperf = Result(i,j).Perf;
        %       end
        %   end
        % end
        %
        % sMap = Result(best_i,best_j).sMap;
        
    else
        error('manque de parametre: specifier les valeurs pour LAMBDA, pour ETA ou pour les deux!')
    end
elseif (bool_lambda || bool_eta)
590
    error([ '*** %s: PAS DE 2SSOM SPECIFIE MAIS FLAGS (LAMBDA ou ETA) ACTIVE ***\n', ...
591 592
        '    mentionnez si vous voulez ''S2-SOM''\n' ], mfilename)
else
593
    fprintf(1,[ '*** %s: PAS DE 2SSOM SPECIFIE ***\n', ...
594 595 596 597 598 599 600
        '    mentionnez si vous voulez ''S2-SOM''\n' ], mfilename)
end

% end

clear St
if (bool_2ssom)
601 602 603 604
    % si 2S-SOM alors best perf sMap
    [BestPerf,iBest] = min(cell2mat({Result.Perf}));
    
    sMap = Result(iBest).sMap;
605
else
606 607
    % sinon, si pas 2S-SOM
    sMap = sMapPT;
608 609 610 611
end

% denormalisation de la Map
if bool_norm
612
    sMap_dnrm = som_denormalize(sMap,sD_norm.comp_norm);
613
else
614
    sMap_dnrm = sMap;
615 616 617
end

if bool_return_struct
618 619
    % Si retour STRUCT
    St.sMap     = sMap;
620
    St.sD       = sD;
621 622
    
    if ~bool_2ssom
623
        St.bmus = som_bmus(sMap,sD);
624 625
    end
    
626
    if bool_norm
627 628
        St.sMap_denorm = sMap_dnrm;
        St.sD_norm = sD_norm;
629 630 631
    end
    
    if (bool_2ssom)
632 633 634 635 636 637 638 639 640 641 642 643 644 645
        St.lambda  = Result(iBest).lambda;
        St.eta     = Result(iBest).eta;
        St.bmus    = Result(iBest).bmus;
        St.Alpha   = Result(iBest).Alpha;
        St.Beta    = Result(iBest).Beta;
        St.DimData = Result(iBest).DimData;
        
        St.sMapPT   = sMapPT;
        if bool_norm
            St.sMapPT_denorm = som_denormalize(sMapPT,sD_norm.comp_norm);
        end
        
        St.Result   = Result;
        St.iBest    = iBest;
646 647 648
    end
    
    StsMap = St; % variable de retour
649
else
650 651 652 653 654
    % Sinon, alors retour variables  ... (sMap sMap_denorm Result)
    StsMap      = sMap;
    sMap_denorm = sMap_dnrm;
    Resultout   = Result;
    sMapPTout   = sMapPT;
655 656 657
end

return