EMCAL/AliCaloRawAnalyzerNN.cxx

   1 /**************************************************************************
   2  * This file is property of and copyright by the Experimental Nuclear     *
   3  * Physics Group, Dep. of Physics                                         *
   4  * University of Oslo, Norway, 2007                                       *
   5  *                                                                        *
   6  * Author: Per Thomas Hille <perthomas.hille@yale.edu>                    *
   7  * for the ALICE HLT Project.                                             *
   8  * Contributors are mentioned in the code where appropriate.              *
   9  * Please report bugs to perthi@fys.uio.no                                *
  10  *                                                                        *
  11  * Permission to use, copy, modify and distribute this software and its   *
  12  * documentation strictly for non-commercial purposes is hereby granted   *
  13  * without fee, provided that the above copyright notice appears in all   *
  14  * copies and that both the copyright notice and this permission notice   *
  15  * appear in the supporting documentation. The authors make no claims     *
  16  * about the suitability of this software for any purpose. It is          *
  17  * provided "as is" without express or implied warranty.                  *
  18  **************************************************************************/
  19
  20 // Evaluation of peak position
  21 // and amplitude using Neural Networks (NN)
  22 // ------------------
  23 // ------------------
  24 // ------------------
  25
  26
  27 #include "AliCaloRawAnalyzerNN.h"
  28 #include "AliCaloNeuralFit.h"
  29 #include "AliCaloFitResults.h"
  30 #include "AliCaloBunchInfo.h"
  31 #include <iostream>
  32 using namespace std;
  33
  34 #include "AliCaloConstants.h"
  35
  36 ClassImp( AliCaloRawAnalyzerNN )
  37
  38 AliCaloRawAnalyzerNN::AliCaloRawAnalyzerNN() : AliCaloRawAnalyzer("Neural Network", "NN"), fNeuralNet(0)
  39 {
  40   // Comment
  41   fAlgo=Algo::kNeuralNet;
  42
  43   fNeuralNet = new AliCaloNeuralFit();
  44
  45   for(int i=0; i < 5 ; i++)
  46     {
  47       fNNInput[i]  = 0;
  48     }
  49
  50 }
  51
  52
  53 AliCaloRawAnalyzerNN::~AliCaloRawAnalyzerNN()
  54 {
  55   delete fNeuralNet;
  56 }
  57
  58
  59 AliCaloFitResults
  60 AliCaloRawAnalyzerNN::Evaluate( const vector<AliCaloBunchInfo> &bunchvector,
  61                                        const UInt_t altrocfg1,  const UInt_t altrocfg2 )
  62 {
  63   // The eveluation of  Peak position and amplitude using the Neural Network
  64   if( bunchvector.size()  <=  0 )
  65     {
  66       //  cout << __FILE__ << __LINE__<< " INVALID "<< endl;
  67
  68       return AliCaloFitResults( Ret::kInvalid, Ret::kInvalid);
  69     }
  70
  71   short maxampindex;
  72   short maxamp;
  73
  74   int index = SelectBunch( bunchvector, &maxampindex , &maxamp ) ;
  75
  76   if( index   < 0 )
  77     {
  78       //  cout << __FILE__ << __LINE__<< "INVALID !!!!!!" << endl;
  79       return AliCaloFitResults( Ret::kInvalid, Ret::kInvalid);
  80     }
  81
  82   Float_t ped = ReverseAndSubtractPed( &(bunchvector.at( index ) )  ,  altrocfg1, altrocfg2, fReversed  );
  83   short timebinOffset = maxampindex - (bunchvector.at(index).GetLength()-1);
  84   double maxf =  maxamp - ped;
  85
  86   if(  maxf < fAmpCut  ||  ( maxamp - ped) > fOverflowCut  ) // (maxamp - ped) > fOverflowCut = Close to saturation (use low gain then)
  87     {
  88       //   cout << __FILE__ << __LINE__<< ":  timebinOffset = " <<  timebinOffset  << "  maxf "<< maxf  << endl;
  89       return  AliCaloFitResults( maxamp, ped, Ret::kCrude, maxf, timebinOffset);
  90     }
  91
  92   int first = 0;
  93   int last = 0;
  94   short maxrev = maxampindex  -  bunchvector.at(index).GetStartBin();
  95   SelectSubarray( fReversed,  bunchvector.at(index).GetLength(),  maxrev , &first, &last, fFitArrayCut );
  96
  97   Float_t chi2 = 0;
  98   Int_t ndf = 0;
  99   if(maxrev  < 1000 )
 100     {
 101       if (  ( maxrev   - first) < 2  &&  (last -   maxrev ) < 2)
 102         {
 103           chi2 = CalculateChi2(maxf, maxrev, first, last);
 104           ndf = last - first - 1; // nsamples - 2
 105           //      cout << __FILE__ << __LINE__<< ":  timebinOffset = " <<  timebinOffset << "  maxf\t"<< maxf <<endl;
 106           return AliCaloFitResults( maxamp, ped, Ret::kCrude, maxf, timebinOffset,
 107                                     timebinOffset, chi2, ndf, Ret::kDummy, AliCaloFitSubarray(index, maxrev, first, last) );
 108         }
 109       else
 110         {
 111
 112           for(int i=0; i < 5 ; i++)
 113             {
 114               fNNInput[i]  = fReversed[maxrev-2 +i]/(maxamp -ped);
 115             }
 116
 117
 118           double amp = (maxamp - ped)*fNeuralNet->Value( 0,  fNNInput[0],  fNNInput[1], fNNInput[2], fNNInput[3], fNNInput[4]);
 119           double tof = (fNeuralNet->Value( 1,  fNNInput[0],  fNNInput[1], fNNInput[2], fNNInput[3], fNNInput[4]) + timebinOffset ) ;
 120
 121           // use local-array time for chi2 estimate
 122           chi2 = CalculateChi2(amp, tof-timebinOffset+maxrev, first, last);
 123           ndf = last - first - 1; // nsamples - 2
 124           //cout << __FILE__ << __LINE__<< ":  tof = " <<  tof << "   amp" << amp <<endl;
 125           return AliCaloFitResults( maxamp, ped , Ret::kFitPar, amp , tof, timebinOffset, chi2, ndf,
 126                                     Ret::kDummy, AliCaloFitSubarray(index, maxrev, first, last) );
 127
 128         }
 129     }
 130   chi2 = CalculateChi2(maxf, maxrev, first, last);
 131   ndf = last - first - 1; // nsamples - 2
 132
 133   // cout << __FILE__ << __LINE__<< ":  timebinOffset = " << timebinOffset <<  "   maxf ="<< maxf  << endl;
 134   return AliCaloFitResults( maxamp, ped, Ret::kCrude, maxf, timebinOffset,
 135                             timebinOffset, chi2, ndf, Ret::kDummy, AliCaloFitSubarray(index, maxrev, first, last) );
 136
 137 }
 138
 139