echo off
disp('Nasz detektor ma rozmiar NxN')
echo on
N=30;
echo off
x=zeros(60,900);
t=zeros(60,1);
disp('ustalamy amplitude szumu r')
echo on
r=1; % do 7
echo off
disp('Przygotowujemy zestaw wzorcow treningowych: losowo umieszczonych kol i kwadratow ')
disp('Pola figur dobieramy mozliwie podobne')
disp('---> nacisnij klawisz')
pause

for k=1:60    % k - numer wzorca
    if(rand(1)<0.5) % to wzorzec bedzie kwadratem
        x0=1+round(20*rand(1));
        y0=1+round(20*rand(1));
        kw=zeros(N,N);
       
        for i=x0:N-(21-x0)
            for j=y0:N-(21-y0)
                kw(i,j)=1;
            end 
        end 
        kwadrat=sum(sum(kw));
        disp(sprintf('wzorzec %d: kwadrat o polu= %d',k,kwadrat))
        x(k,:)=reshape(kw+r*(rand(size(kw))-0.5),1,N*N);
        t(k)=1 ;
        imagesc(kw);
        pause(0.1)
    else %to wzorzec bedzie kolem
        sx=15-round(20*(rand(1)-0.5));
        sy=15-round(20*(rand(1)-0.5)); 
        kolo=zeros(N,N);
        for i=1:N
            for j=1:N
                if((i-sx).^2+(j-sy).^2<34)
                    kolo(i,j)=1; 
                end
            end
        end
        kolo_s=sum(sum(kolo));
        disp(sprintf('wzorzec %d: kolo o polu= %d',k,kolo_s))
        x(k,:)=reshape(kolo+r*(rand(size(kolo))-0.5),1,N*N);
        t(k)=0 ;
        imagesc(kolo);
        pause(0.1)
    end   
end

disp('Mamy juz wzorce...')
disp('Tworzymy siec')
echo on
N_hid=20;
N_out=1;
%alfa=0.001;
net = mlp(N*N, N_hid, N_out, 'logistic');%,alfa);
echo off

disp(sprintf(' nasza siec ma wejscie o rozmiarze %dx%d \n %d jednostek ukrytych i \n %d jednostek wyjsciowych',N,N, N_hid, N_out));
disp(sprintf(' jednostka wyjsciowa ma funkcje aktywacjii logistyczna i wsp. zanikania wag %f',alfa))
% ustawiamu opcje uczenia 
options(1)=1; 
options(2)= 0.1; 
options(14)=200;% is the maximum number of iterations; default 100. 
options(18)=0;
disp('uczymy siec')
disp('--->nacisnij klawisz')
pause
echo on
[net, options, errlog] = netopt(net, options, x, t, 'scg');
echo off

disp('zrobimy zbior testowy i zobaczymy jak siec sobie radzi z nowymi danymi')
disp('--->nacisnij klawisz')
pause


for k=1:60    % k - numer wzorca
    if(rand(1)<0.5) % to wzorzec bedzie kwadratem
        x0=1+round(20*rand(1));
        y0=1+round(20*rand(1));
        kw=zeros(N,N);
       
        for i=x0:N-(21-x0)
            for j=y0:N-(21-y0)
                kw(i,j)=1;
            end 
        end 
        kwadrat=sum(sum(kw));
        disp(sprintf('wzorzec %d: kwadrat o polu= %d',k,kwadrat))
        x(k,:)=reshape(kw+r*(rand(size(kw))-0.5),1,N*N);
        t(k)=1 ;
        imagesc(kw);
        pause(0.1)
    else %to wzorzec bedzie kolem
        sx=15-round(20*(rand(1)-0.5));
        sy=15-round(20*(rand(1)-0.5)); 
        kolo=zeros(N,N);
        for i=1:N
            for j=1:N
                if((i-sx).^2+(j-sy).^2<34)
                    kolo(i,j)=1; 
                end
            end
        end
        kolo_s=sum(sum(kolo));
        disp(sprintf('wzorzec %d: kolo o polu= %d',k,kolo_s))
        x(k,:)=reshape(kolo+r*(rand(size(kolo))-0.5),1,N*N);
        t(k)=0 ;
        imagesc(kolo);
        pause(0.1)
    end   
end





disp('przepuscimy nowe dane przez siec')
echo on
y=mlpfwd(net,x);
echo off

disp(' ogladamy wyniki klasyfikacjii na nowym zbiorze')
for k=1:60
    imagesc(reshape(x(k,:),30,30))
    
    if t(k)==1 
        s=sprintf('to jest kwadrat');
        if y(k)>0.5
            s1=sprintf('%s\n rozpoznany jako kwadrat', s);
            title(s1)
        else
            s1=sprintf('%s\n rozpoznany jako kolo', s);
            title(s1)
        end
    else
        s=sprintf('to jest kolo');
        if y(k)>0.5
            s1=sprintf('%s\n rozpoznane jako kwadrat', s);
            title(s1)
        else
            s1=sprintf('%s\n rozpoznane jako kolo', s);
            title(s1)
        end
    end
    disp('--->nacisnij klawisz')
    pause
    
end

disp(' i konstruujemy krzywą ROC')
p=0;
for prog=0:0.01:1
    p=p+1;
    kw_kw=0;
    kw_kolo=0;
    kolo_kw=0;
    kolo_kolo=0;
    
    for k=1:60
        if t(k)==1 % kwadrat
            if y(k)>prog
                kw_kw=kw_kw+1; %rozpoznany jako kwadrat
            else         
                kw_kolo=kw_kolo+1; %rozpoznany jako kolo
            end
        else  % kolo
            if y(k)>prog
                kolo_kw=kolo_kw+1; %rozpoznane jako kwadrat
            else
                kolo_kolo=kolo_kolo+1; %rozpoznane jako kolo
            end
        end
    end 
    % zakladamy ze szukamy kwadratow wowczas czulosc to prawdopodobienstwo,
    % ze gdy prezentowany jest kwadrat to zostanie on prawidlowo
    % sklasyfikowany
    czulosc(p)=kw_kw/(kw_kw+kw_kolo); 
    % specyficznosc jest wowczas prawdopodobienstwem, ze jesli prezentowany
    % jest nie kwadrat to odpowiedz sieci bedzie ze nie jest to kwadrat
    specyf(p)=kolo_kolo/(kolo_kolo+kolo_kw);
end

plot(1-specyf, czulosc)
title( 'krzywa ROC')
xlabel('1-specyficznosc')
ylabel('czulosc')