function [sMap sMap_denorm Result] = learn_som_carlos(A,nb_neurone,varargin)
% Cree la carte SOM ou S2-SOM Pour donnees cachees
%
% En entree obligatoire
%
%   A: les donnees cachees
%   nb_neurone: Nombre de neurones 
%
% En option
%
%   radius: en forme de vecteur, chaque deux elements qui ce suivent constitue
%           une temperature [i..i+1],[i+1..i+2],....
%   trainlen: en forme de vecteur: chaque element constitue une itération de
%           l'entraienement. NB:vecteur radius doit avoir un element en plus
%           que le vecteur trainlen.
%   tracking: pour visualiser l'apprentissage.
%
%   'S2-SOM': pour faire l'apprentissage avec S2-SOM. Si 'S2-SOM' est
%           specifie alors il faut d'autres parametres:
%
%   DimData: vecteur contenant la dimention de chaque bloc.
%   lambda: vecteur, c'est un hyperparametre pour calculer le poids sur les
%           blocs.
%   eta: vecteur, c'est un hyperparametre pour calculer le poids sur les
%           variables.
%
% En sortie
%
%   sMap: La carte SOM ou S2-SOM.
%
%   sMap_denorm: La carte SOM ou S2-SOM, denormalisee.
%
%   Result: structure (vecteur) avec les sorties ou resultats de chaque cas
%           entraine (avec une paire distincte de la combinaison entre lambda
%           et eta): sMap, bmus, Alpha, Beta, Perf.
%
%           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.
%              Perf: parametre "distortion measure for the map", calcule par
%                  la fonction som_distortion.
%
%   (bmus_pixel:(best matching units) par pixel.)
% Detailed explanation goes here
  
  
% Valeurts par defaut
  tracking  = 0;
  init      = 'lininit';
  lattice   = 'rect';
  bool_norm = 0;
  
  Result    = [];
  
  init_with_make = 1;
  pre_train      = 1;
  
  %recuperer les donnees
  data.data=A;
  label=[1:size(data.data,2)];
  
  %Labelise les donnees
  ListVar={};
  for l=1:length(label)
    ListVar{l}=char(strcat('v ',int2str(label(l))));
  end
  data.colheaders=ListVar;
  
  data_casename='simulation';
  
  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
    fprintf(1,'\n-- Normalisation des donnees selon ''%s'' ...\n', type_norm);
    if strcmp(type_norm,'simple')
      sD_norm=som_normalize(sD);
    else
      sD_norm=som_normalize(sD,type_norm);
    end
  else           
    fprintf(1,'\n-- Pas de normalisation des donnees ...\n');
    sD_norm = sD;
  end
  
  
  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

  %SOM initialisation
  if init_with_make
    fprintf(1,'\n-- Initialisation avec SOM_MAKE ... ')
    sMap=som_make(sD_norm.data, ...
                  'munits',   nb_neurone, ...
                  'lattice',  lattice, ...
                  'init',     init, ...
                  'tracking', tracking); % creer la carte initiale avec et effectuer un entrainenemt

  else
    if strcmp(init,'randinit')
      fprintf(1,'\n-- Initialisation avec SOM_RANDINIT ... ')
      sMap=som_randinit(sD_norm.data, ...
                        'munits',   nb_neurone, ...
                        'lattice',  lattice, ...
                        'tracking', tracking); % creer la carte initiale

    elseif strcmp(init,'lininit')
      fprintf(1,'\n-- Initialisation avec SOM_LININIT ... ')
      sMap=som_lininit(sD_norm.data, ...
                       'munits',   nb_neurone, ...
                       'lattice',  lattice, ...
                       'tracking', tracking); % creer la carte initiale

    else
      error(sprintf(['\n *** %s error: invalid ''init'' option ''%s'' ***\n', ...
                     '     Shoud be one between { ''lininit'', ''randinit'' } ***\n' ], ...
                    mfilename, init));
    end
    fprintf(1,' <som init END>.\n')
  end
  
  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

    if pre_train
      tracking_ini = tracking;
      %tracking_ini = 1;
      
      % batchtrain avec radius ...
      if (bool_rad && ~bool_trainlen)
        fprintf(1,'\n-- BATCHTRAIN initial avec radius ... ')
        if tracking_ini, fprintf(1,'\n'); end
        %rad=varargin{loc_rad+1};
        j=1;
        while j<length(rad)
          
          sMap=som_batchtrain(sMap,sD_norm.data,'radius',[rad(j) rad(j+1)],'tracking',tracking_ini);
          j=j+1;
          
        end
      end
      % batchtrain avec trainlen ...
      if (~bool_rad && bool_trainlen) 
        fprintf(1,'\n-- BATCHTRAIN initial avec trainlen ... ')
        if tracking_ini, fprintf(1,'\n'); end
        %trlen=varargin{loc_trainlen+1};
        j=1;
        while j<=length(trlen)
          
          sMap=som_batchtrain(sMap,sD_norm.data,'trainlen',trlen(j),'tracking',tracking_ini);
          j=j+1;
          
        end
      end
      % batchtrain avec radius et trainlen             
      if (bool_rad && bool_trainlen) 
        fprintf(1,'\n-- BATCHTRAIN initial avec radius et trainlen ... \n')
        if tracking_ini, fprintf(1,'\n'); end
        %rad=varargin{loc_rad+1};
        %trlen=varargin{loc_trainlen+1};
        if length(rad)==length(trlen)+1
          
          j=1;
          while j<length(rad)
            
            sMap=som_batchtrain(sMap,sD_norm.data,'radius',[rad(j) rad(j+1)],'trainlen',trlen(j),'tracking',tracking_ini);
            j=j+1;
            
          end
        else
          error('vecteur radius doit avoir un element en plus que le vecteur trainlen ')
        end
      end
      
      current_perf = som_distortion(sMap,sD_norm);
      fprintf(1,'--> som_distortion apres entrainement initiale = %s\n', num2str(current_perf));
      
    else
      fprintf(1,'** batchtrain initial non active **\n')
    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
    
    if (bool_2ssom)
      if(bool_lambda && bool_eta && bool_DimData)
        
        best_i   = 0;
        best_j   = 0;
        bestperf = inf;

        i_train = 1;
        n_train = length(lambda)*length(eta);
        for i=1:length(lambda)
          for j=1:length(eta)
            fprintf(1,'\n-- batchtrainRTOM (%d/%d) with lambda=%s and eta=%s ... ',i_train, ...
                    n_train, num2str(lambda(i)),num2str(eta(j)));
            if tracking, fprintf(1,'\n'); end

            [Result(i,j).sMap Result(i,j).bmus Result(i,j).Alpha Result(i,j).Beta] = som_batchtrainRTOM( ...
                sMap, sD_norm, ...
                'TypeAlgo','2SSOM', ...
                'DimData',DimData, ...
                'DimBloc',DimBloc, ...
                'lambda', lambda(i), ...
                'eta',eta(j), ...
                'radius',[rad(round(length(rad)/2)) ...
                          rad((round(length(rad)/2))+1)], ...
                'trainlen',trlen(round(length(trlen)/2)), ...
                'tracking',tracking);

            current_perf = som_distortion(Result(i,j).sMap,sD_norm);
            fprintf(1,'   --> som_distortion=%s\n', num2str(current_perf));
            %  end
            %end
            % best_i=0;
            % best_j=0;
            % bestperf=inf;
            % for i=1:length(lambda)
            %   for j=1:length(eta)
            %         
            Result(i,j).Perf = current_perf;
            if Result(i,j).Perf < bestperf
              best_i = i;
              best_j = j;
            end

            i_train = i_train + 1;
          end
        end
        
        sMap = Result(best_i,best_j).sMap;
        
      else
        error('manque de parametre')
      end
    elseif (bool_lambda || bool_eta || bool_DimData)
      error('mentionnez si vous voulez S2-SOM')
    end
    
  end
  
  % denormalisation de la Map
  if bool_norm
    sMap_denorm=som_denormalize(sMap,sD_norm.comp_norm);
  else
    sMap_denorm=sMap;
  end
  
  return