Lines Matching refs:np
5 import numpy as np namespace
21 v = np.random.rand(vecDim)
22 v = v / np.sum(v)
26 inputs = np.array(inputs)
27 outputs = np.array(outputs)
28 dims = np.array(dims)
41 v = np.random.rand(vecDim)
42 v = v / np.sum(v)
46 inputs = np.array(inputs)
47 outputs = np.array(outputs)
48 dims = np.array(dims)
63 va = np.random.rand(vecDim)
64 va = va / np.sum(va)
66 vb = np.random.rand(vecDim)
67 vb = vb / np.sum(vb)
73 inputsA = np.array(inputsA)
74 inputsB = np.array(inputsB)
75 outputs = np.array(outputs)
76 dims = np.array(dims)
92 va = np.random.rand(vecDim)
93 va = va / np.sum(va)
95 vb = np.random.rand(vecDim)
96 vb = vb / np.sum(vb)
103 e = np.log(np.dot(va,vb))
104 va = np.log(va)
105 vb = np.log(vb)
110 inputsA = np.array(inputsA)
111 inputsB = np.array(inputsB)
112 outputs = np.array(outputs)
113 dims = np.array(dims)
148 return(np.round(x * 2**f)/2**f)
158 index=np.argmax(data[0:nbiters])
165 index=np.argmax(data[0:nbiters])
172 index=np.argmax(data[0:nbiters])
183 data = np.zeros(nbiters)
188 index=np.argmax(data[0:nbiters])
207 index=np.argmin(data[0:nbiters])
214 index=np.argmin(data[0:nbiters])
221 index=np.argmin(data[0:nbiters])
231 data = 0.9*np.ones(nbiters)
236 index=np.argmin(data[0:nbiters])
250 data = np.abs(data)
256 index=np.argmax(data[0:nbiters])
263 index=np.argmax(data[0:nbiters])
270 index=np.argmax(data[0:nbiters])
277 index=np.argmax(data)
288 data = np.zeros(nbiters)
293 index=np.argmax(data[0:nbiters])
308 data = np.abs(data)
314 index=np.argmin(data[0:nbiters])
321 index=np.argmin(data[0:nbiters])
328 index=np.argmin(data[0:nbiters])
338 data = 0.9*np.ones(nbiters)
343 index=np.argmin(data[0:nbiters])
356 return(np.average(data))
360 return(np.dot(data,data) / 2**15) # CMSIS is 2.28 format
362 return(np.dot(data,data) / 2**33) # CMSIS is 34.30 format
364 return(np.dot(data,data) / 2**17) # CMSIS is 18.14 format
366 return(np.dot(data,data))
371 return(np.dot(err,err) / nb)
374 return(math.sqrt(np.dot(data,data)/data.size))
377 return(np.std(data,ddof=1))
380 return(np.var(data,ddof=1))
454 data1=np.random.randn(NBSAMPLES)
455 data2=np.random.randn(NBSAMPLES)
458 data2 = np.abs(data1)
490 data1=np.random.randn(NBSAMPLES)
493 data2=np.random.randn(NBSAMPLES)
499 data1 = np.hstack((data1,np.array([-1.0])))
502 data1 = np.hstack((data1,np.array([-1.0])))
505 data1 = np.hstack((data1,np.array([-1.0])))
519 data1=np.random.randn(NBSAMPLES)
538 t = np.sum(data1[:nb])
551 data1=np.random.randn(NBSAMPLES)
552 data2=np.random.randn(NBSAMPLES)
555 data2 = np.abs(data1)