EMCAL/EMCALraw/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   // Ctor
  41
  42   fAlgo=Algo::kNeuralNet;
  43
  44   fNeuralNet = new AliCaloNeuralFit();
  45
  46   for(int i=0; i < 5 ; i++)
  47     {
  48       fNNInput[i]  = 0;
  49     }
  50
  51 }
  52
  53
  54 AliCaloRawAnalyzerNN::~AliCaloRawAnalyzerNN()
  55 {
  56   // Dtor
  57   delete fNeuralNet;
  58 }
  59
  60
  61 AliCaloFitResults
  62 AliCaloRawAnalyzerNN::Evaluate( const vector<AliCaloBunchInfo> &bunchvector,
  63                                 UInt_t altrocfg1,  UInt_t altrocfg2 )
  64 {
  65   // The eveluation of  Peak position and amplitude using the Neural Network
  66   if( bunchvector.size()  <=  0 )
  67     {
  68       //  cout << __FILE__ << __LINE__<< " INVALID "<< endl;
  69
  70       return AliCaloFitResults( Ret::kInvalid, Ret::kInvalid);
  71     }
  72
  73   short maxampindex;
  74   short maxamp;
  75
  76   int index = SelectBunch( bunchvector, &maxampindex , &maxamp ) ;
  77
  78   if( index   < 0 )
  79     {
  80       //  cout << __FILE__ << __LINE__<< "INVALID !!!!!!" << endl;
  81       return AliCaloFitResults( Ret::kInvalid, Ret::kInvalid);
  82     }
  83
  84   Float_t ped = ReverseAndSubtractPed( &(bunchvector.at( index ) )  ,  altrocfg1, altrocfg2, fReversed  );
  85   short timebinOffset = maxampindex - (bunchvector.at(index).GetLength()-1);
  86   double maxf =  maxamp - ped;
  87
  88   if(  maxf < fAmpCut  ||  ( maxamp - ped) > fOverflowCut  ) // (maxamp - ped) > fOverflowCut = Close to saturation (use low gain then)
  89     {
  90       //   cout << __FILE__ << __LINE__<< ":  timebinOffset = " <<  timebinOffset  << "  maxf "<< maxf  << endl;
  91       return  AliCaloFitResults( maxamp, ped, Ret::kCrude, maxf, timebinOffset);
  92     }
  93
  94   int first = 0;
  95   int last = 0;
  96   short maxrev = maxampindex  -  bunchvector.at(index).GetStartBin();
  97   SelectSubarray( fReversed,  bunchvector.at(index).GetLength(),  maxrev , &first, &last, fFitArrayCut );
  98
  99   Float_t chi2 = 0;
 100   Int_t ndf = 0;
 101   if(maxrev  < 1000 )
 102     {
 103       if (  ( maxrev   - first) < 2  &&  (last -   maxrev ) < 2)
 104         {
 105           chi2 = CalculateChi2(maxf, maxrev, first, last);
 106           ndf = last - first - 1; // nsamples - 2
 107           //      cout << __FILE__ << __LINE__<< ":  timebinOffset = " <<  timebinOffset << "  maxf\t"<< maxf <<endl;
 108           return AliCaloFitResults( maxamp, ped, Ret::kCrude, maxf, timebinOffset,
 109                                     timebinOffset, chi2, ndf, Ret::kDummy, AliCaloFitSubarray(index, maxrev, first, last) );
 110         }
 111       else
 112         {
 113
 114           for(int i=0; i < 5 ; i++)
 115             {
 116               fNNInput[i]  = fReversed[maxrev-2 +i]/(maxamp -ped);
 117             }
 118
 119
 120           double amp = (maxamp - ped)*fNeuralNet->Value( 0,  fNNInput[0],  fNNInput[1], fNNInput[2], fNNInput[3], fNNInput[4]);
 121           double tof = (fNeuralNet->Value( 1,  fNNInput[0],  fNNInput[1], fNNInput[2], fNNInput[3], fNNInput[4]) + timebinOffset ) ;
 122
 123           // use local-array time for chi2 estimate
 124           chi2 = CalculateChi2(amp, tof-timebinOffset+maxrev, first, last);
 125           ndf = last - first - 1; // nsamples - 2
 126           //cout << __FILE__ << __LINE__<< ":  tof = " <<  tof << "   amp" << amp <<endl;
 127           return AliCaloFitResults( maxamp, ped , Ret::kFitPar, amp , tof, timebinOffset, chi2, ndf,
 128                                     Ret::kDummy, AliCaloFitSubarray(index, maxrev, first, last) );
 129
 130         }
 131     }
 132   chi2 = CalculateChi2(maxf, maxrev, first, last);
 133   ndf = last - first - 1; // nsamples - 2
 134
 135   // cout << __FILE__ << __LINE__<< ":  timebinOffset = " << timebinOffset <<  "   maxf ="<< maxf  << endl;
 136   return AliCaloFitResults( maxamp, ped, Ret::kCrude, maxf, timebinOffset,
 137                             timebinOffset, chi2, ndf, Ret::kDummy, AliCaloFitSubarray(index, maxrev, first, last) );
 138
 139 }
 140
 141