F_VN_InverseFeatureTransform
Apply an inverse feature transform to one or more sample(s).
Syntax
Definition:
FUNCTION F_VN_InverseFeatureTransform : HRESULT
VAR_INPUT
ipFeatureTransform : ITcVnMlModel;
ipSamples : ITcUnknown;
pipTransformed : Pointer To ITcUnknown;
hrPrev : HRESULT;
END_VAR
Inputs
|
Name |
Type |
Description |
|---|---|---|
|
ipFeatureTransform |
Feature transform instance to be used | |
|
ipSamples |
Container holding one or more of input sample(s) (ContainerType_Vector_REAL, ContainerType_Vector_LREAL, ContainerType_Vector_Vector_REAL, or ContainerType_Vector_Vector_LREAL) | |
|
pipTransformed |
Pointer To ITcUnknown |
Returns the transformed sample(s) using the same type like ipSamples |
|
hrPrev |
HRESULT indicating the result of previous operations (If SUCCEEDED(hrPrev) equals false, no operation is executed.) |
Return valueWeiterführende Informationen
Die Funktion F_VN_InverseFeatureTransform invertiert die Merkmalstransformation eines oder mehrerer Samples mit Hilfe eines Transformationsmodells. Die direkte Transformation kann mit dem jeweils selben Modell mit der Funktion F_VN_FeatureTransform durchführt werden.
Parameter
Transformationsmodell
Zur Merkmalstransformation muss ein zuvor erstelltes Modell an ipFeatureTransform übergeben werden.
Samples
Ein Container mit den zu transformierenden Samples wird an ipSamples übergeben. Die folgenden Container-Typen sind erlaubt:
ContainerType_Vector_REALoderContainerType_Vector_LREALfür ein einzelnes SampleContainerType_Vector_Vector_REALoderContainerType_Vector_Vector_LREALfür einen Container mit mehreren Samples.
Transformierte Samples
Ein Container mit den transformierten Samples wird über den Pointer pipTransformed zurückgegeben. Der Container-Typ wird von ipSamples übernommen.
Anwendung
Eine inverse Merkmalstransformation wird z.B. so durchgeführt:
hr := F_VN_InverseFeatureTransform(
ipFeatureTransform := ipMlModel,
ipSamples := ipSamplesTransformed,
pipTransformed := ADR(ipTransformed),
hrPrev := hr);Verwandte Funktionen
Required License
TC3 Vision Machine Learning
System Requirements
Development environment | Target platform | PLC libraries to include |
|---|---|---|
TwinCAT V3.1.4024.59 or later | PC or CX (x64) with PL50, e.g. Intel 4-core Atom CPU | Tc3_Vision |