using JeuHoy_WPF;
using System;
using System.Collections;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows;

namespace JeuHoy_WPF_Natif.Model {
    public class Perceptron {
        private double _cstApprentissage;
        private double[] _poidsSyn;
        private string _reponse = "?";
        public string Reponse { get => _reponse; }

        /// <summary>
        /// Constructeur de la classe. Crée un perceptron pour une réponse(caractère) qu'on veut identifier le pattern(modèle)
        /// </summary>
        /// <param name="reponse">La classe que défini le perceptron</param>
        public Perceptron(string reponse) {
            Random _rand = new Random();
            _reponse = reponse;
            _cstApprentissage = CstApplication.CONSTANTEAPPRENTISSAGE;

            _poidsSyn = new double[CstApplication.SKELETONCOUNT * 2];
            for (int x = 0; x < CstApplication.SKELETONCOUNT - 1; ++x)
                _poidsSyn[x] = _rand.NextDouble();
        }

        /// <summary>
        /// Faire l'apprentissage sur un ensemble de coordonnées. Ces coordonnées sont les coordonnées de tous les caractères analysés. 
        /// </summary>
        /// <param name="lstCoord">La liste de coordonnées pour les caractères à analysés.</param>
        /// <returns>Les paramètres de la console</returns>
        public string Entrainement(List<Squelette> lstCoord) {
            int iNbItérations = 0,
                iNbErreurs = 0;
            double dSum = 0,
                   dPourSucc = 0;

            do {
                iNbErreurs = 0;
                foreach (Squelette coord in lstCoord) {
                    dSum = _poidsSyn[0];

                    for (int j = 1; j < _poidsSyn.Length; ++j)
                        dSum += _poidsSyn[j] * coord.Points[j - 1];

                    int iRes = (dSum >= 0) ? 1 : 0;
                    int iErr = (_reponse == coord.Reponse ? 1 : 0) - iRes;

                    if (iErr != 0) {
                        _poidsSyn[0] = _cstApprentissage;
                        for (int j = 1; j < _poidsSyn.Length; ++j)
                            _poidsSyn[j] += _cstApprentissage * iErr * coord.Points[j - 1];
                        ++iNbErreurs;
                    }
                }
                dPourSucc = (double)(lstCoord.Count - iNbErreurs) / (double)lstCoord.Count * 100.0;
                ++iNbItérations;
            }
            while (dPourSucc < CstApplication.POURCENTCONVERGENCE && iNbItérations < CstApplication.MAXITERATION);

            return $"Perceptron: {_reponse}; Itérations: {iNbItérations} Taux Réussite: {dPourSucc.ToString("0.00")} %"; ;
        }

        /// <summary>
        /// Calcul la valeur(vrai ou faux) pour un les coordonnées d'un caractère. Permet au perceptron d'évaluer la valeur de vérité.
        /// </summary>
        /// <param name="vecteurSyn">Les poids synaptiques du perceptron</param>
        /// <param name="entree">Le vecteur de bit correspondant aux couleurs du caractère</param>
        /// <returns>Vrai ou faux</returns>
        public int ValeurEstime(double[] vecteurSyn, double[] entree) {
            double dSum = vecteurSyn[0];

            for (int j = 1; j < vecteurSyn.Length; ++j)
                dSum += vecteurSyn[j] * entree[j - 1];

            return (dSum >= 0) ? CstApplication.VRAI : CstApplication.FAUX;
        }

        /// <summary>
        /// Interroge la neuronnes pour un ensembles des coordonnées(d'un caractère).
        /// </summary>
        /// <param name="squel"></param>
        /// <returns></returns>
        public bool TesterNeurone(Squelette squel) => ValeurEstime(_poidsSyn, squel.Points) == CstApplication.VRAI ? true : false;
    }
}