Network Klassenreferenz

#include <NNetwork.h>

Zusammengehörigkeiten von Network:

Collaboration graph
[Legende]

Ausführliche Beschreibung

Definiert in Zeile 24 der Datei NNetwork.h.


Öffentliche Methoden

void addTrainingData (double _in[], double _out[])
void clear ()
void createNewTrainingDataFile ()
void getNetValue (double _in[], double _out[])
 Network (int _num_input, int _num_output, int _num_layers, int _num_neurons_hidden, const char *_netName)
void setDesiredError (double _desired_error)
void setMinMaxInputOutputValues (double _minInput, double _maxInput, double _minOutput, double _maxOutput)
void setParameters (int _max_epochs, int _iterations_between_report, double _desired_error, double _dEta, double _activation_stepness_hidden, double _activation_stepness_output, int _activation_function_hidden, int _activation_function_output)
void trainNet (NETWORKTRAININGRESULTS *_results)
 ~Network ()

Private Methoden

double normIn (double _in)
double normOut (double _out)
double reNormOut (double _out)

Private Attribute

int activation_function_hidden
int activation_function_output
double activation_stepness_hidden
double activation_stepness_output
struct fann * ann
float connection_rate
unsigned int dataCount
FILE * dataFile
char dataFilename [30]
float desired_error
unsigned int * hidden_neurons
unsigned int iterations_between_reports
float learning_rate_eta
unsigned int max_iterations
double maxInputValue
double maxOutputValue
double minInputValue
double minOutputValue
char networkFilename [30]
unsigned int num_input
unsigned int num_layers
unsigned int num_neurons_hidden
unsigned int num_output

Beschreibung der Konstruktoren und Destruktoren

Network::Network ( int  _num_input,
int  _num_output,
int  _num_layers,
int  _num_neurons_hidden,
const char *  _netName 
)

Konstruktor

Konstruktor

Parameter:
_num_input 
_num_output 
_num_layers 
_num_neurons_hidden 
_netName 

Definiert in Zeile 218 der Datei NNetwork.cpp.

Benutzt activation_function_hidden, activation_function_output, activation_stepness_hidden, activation_stepness_output, ann, connection_rate, dataCount, dataFile, dataFilename, DBG, desired_error, iterations_between_reports, learning_rate_eta, max_iterations, networkFilename, num_input, num_layers, num_neurons_hidden und num_output.

00218                                                                                                                 {
00219 
00220    DBG();
00221    // Initialparameter
00222    this->connection_rate = 1;
00223    this->learning_rate_eta = 0.9;
00224    this->num_input = _num_input;
00225    this->num_output = _num_output;
00226    this->num_layers = _num_layers;
00227    this->num_neurons_hidden = _num_neurons_hidden;
00228    this->activation_stepness_hidden=this->activation_stepness_output=0.01;
00229    // Standardm�ssig sigmoide aktivierung
00230    this->activation_function_hidden=this->activation_function_output=FANN_SIGMOID_SYMMETRIC;
00231    
00232    this->desired_error = 0.00003;
00233    this->max_iterations = 10000;
00234    this->iterations_between_reports = 1000;
00235    this->dataCount=0;
00236 
00237    this->num_input = _num_input;
00238    this->num_output = _num_output;
00239    this->num_layers = _num_layers;
00240    this->num_neurons_hidden = _num_neurons_hidden;
00241 
00242    /************************************************************
00243     * Dateien zum speichern der Daten sowie des Networkes erzeugen
00244     ***********************************************************/
00245    sprintf (this->dataFilename, "/tmp/nn-%s.data", _netName);
00246    sprintf (this->networkFilename, "/tmp/nn-%s.net", _netName);
00247    printf ("NN-Datei: %s, NN-Datendatei: %s\n", this->networkFilename, this->dataFilename);
00248 
00249    dataFile = fopen(this->dataFilename, "w+");
00250    // Datensatz-Z�hler zur�cksetzen
00251    this->dataCount=0;
00252 
00253    // Zeichen, dass noch kein Network existiert setzen
00254    this->ann = NULL;
00255 }

Network::~Network (  ) 

Destruktor

Definiert in Zeile 188 der Datei NNetwork.cpp.

Benutzt ann und DBG.

00188                   {
00189    
00190    // Network wieder freigeben
00191    DBG();
00192    if (this->ann != NULL) fann_destroy(this->ann);
00193 }


Dokumentation der Elementfunktionen

void Network::addTrainingData ( double  in[],
double  out[] 
)

Funktion um ein neues Trainingsbeispiel der Trainingsdatendatei hinzuzufuegen

Funktion um ein neues Trainingsbeispiel der Trainingsdatendatei hinzuzufuegen

Parameter:
in[] 
out[] 

Definiert in Zeile 262 der Datei NNetwork.cpp.

Benutzt dataCount, dataFile, normIn(), normOut(), num_input und num_output.

Wird benutzt von ValueIterationThread::coachNet().

00262                                                        {
00263 
00264    char printString[200];
00265 
00266    // Erstes Input-Neuron  
00267    sprintf (printString, "adding traindata: in[%f(%f)", in[0], normIn(in[0]));
00268    fprintf (dataFile, "\n%.30f", normIn(in[0]));
00269 
00270    // ggf. weitere Input-Neuronen
00271    for (unsigned int i=1; i<this->num_input; i++) {
00272       sprintf(printString, "%s,%f(%f)", printString, in[i], normIn(in[i]));
00273       fprintf (dataFile, " %.30f", normIn(in[i]));
00274    }
00275 
00276    // Erstes Output-Neuron
00277    sprintf (printString, "%s], out[%f(%f)", printString, out[0], normOut(out[0]));
00278    fprintf (dataFile, "\n%.30f", normOut(out[0]));
00279 
00280    // ggf. weitere Output-Neuronen
00281    for (unsigned int i=1; i<this->num_output; i++) {
00282       sprintf(printString, "%s,%f(%f)", printString, out[i], normOut(out[i]));
00283       fprintf (dataFile, " %.30f", normOut(out[i]));
00284    }
00285 
00286    // Zeilenende
00287    sprintf (printString, "%s]\n", printString);
00288 
00289    // Datenz�hler inkrementieren
00290    dataCount++;   
00291 
00292    // Ausgabe des Trainingsdatensatzes auf Bildschirm
00293 }

Hier ist ein Graph der zeigt, was diese Funktion aufruft:

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

void Network::clear (  ) 

Funktion um die Gewichte im Netz zufaellig initialisieren zu lassen

Funktion um die Gewichte im Network zufaellig initialisieren zu lassen

Definiert in Zeile 328 der Datei NNetwork.cpp.

Benutzt ann, connection_rate, DBG, hidden_neurons, networkFilename, num_input, num_layers, num_neurons_hidden und num_output.

Wird benutzt von ValueIterationThread::initNet() und trainNet().

00328                     {
00329 
00330    DBG();
00331 
00332    // altes Network freigeben
00333    if (this->ann != NULL) fann_destroy(this->ann);
00334 
00335    cout  <<"CREATING NETWORK: " 
00336       <<"connection_rate=" <<connection_rate 
00337       <<", num_layers=" <<num_layers 
00338       <<", num_input=" <<num_input
00339       <<", num_neurons_hidden=" <<num_neurons_hidden
00340       <<", num_output=" <<num_output <<endl;
00341 
00342    // Anzahl der Neuronen auf der Zwischenebene dynamisch bestimmen
00343    hidden_neurons = new unsigned int[this->num_layers];
00344    hidden_neurons[0] = this->num_input;   // Input-Schicht
00345    hidden_neurons[this->num_layers-1] = this->num_output; // Output-Schicht
00346    for (unsigned int i=1; i<=this->num_layers-2; i++) {
00347       hidden_neurons[i] = this->num_neurons_hidden; // Hidden-Schichten
00348    }
00349 
00350    // Networkwerk erzeugen
00351    this->ann = fann_create_standard_array(this->num_layers, hidden_neurons);
00352 
00353    // Zuf�llige Gewichte
00354    cout <<"randomizing weights..." <<endl;
00355    fann_randomize_weights(this->ann, -0.1, 0.1);
00356    
00357    // Network in Datei speichern
00358    fann_save(this->ann, this->networkFilename);
00359 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

void Network::createNewTrainingDataFile (  ) 

Funktion um eine neue Trainingsdatendatei in /tmp zu erzeugen

Definiert in Zeile 196 der Datei NNetwork.cpp.

Benutzt dataCount, dataFile, dataFilename und DBG.

Wird benutzt von ValueIterationThread::coachNet().

00196                                         {
00197 
00198    DBG();
00199    // Wenn Datei noch ge�ffnet => schlie�en
00200    if (dataFile != NULL) fclose(dataFile);
00201 
00202    // und wieder neu zum �berschreiben �ffnen
00203    dataFile = fopen(this->dataFilename, "w+");
00204    fprintf (dataFile, "                ");
00205 
00206    // Datensatz-Z�hler zur�cksetzen
00207    this->dataCount=0;
00208 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

void Network::getNetValue ( double  in[],
double  out[] 
)

Funktion um das Netz fuer einen gegebenen Input-Vektor in[] zu befragen. Die Antwort wir nach out[] geschrieben.

Funktion um den Network-Output von in[] nach out[] zu schreiben

Parameter:
in[] 
out[] 

Definiert in Zeile 300 der Datei NNetwork.cpp.

Benutzt ann, networkFilename, normIn(), num_input, num_output und reNormOut().

Wird benutzt von ValueIterationThread::evaluate(), ValueIterationThread::learn() und ValueIterationThread::printMatrix().

00300                                                    {
00301 
00302    fann_type *normalizedIn = new fann_type[this->num_input];
00303    fann_type *calc_out = new fann_type[this->num_output];
00304 
00305    // Input im Skalierungsbereich -1..1 normalisieren
00306    for (unsigned int i=0; i<this->num_input; i++) {
00307       normalizedIn[i] = normIn(in[i]);
00308    }
00309       
00310    // Network befragen
00311         printf ("asking network: (%f, %f) = ", normIn(in[0]), normIn(in[1]));
00312    this->ann = fann_create_from_file(this->networkFilename);
00313    if ((calc_out = fann_run(this->ann, normalizedIn)) == false) {
00314       cout <<"ERROR asking network" <<endl;
00315    }
00316 
00317    printf ("[");
00318    
00319    // Normalisierung f�r Output R�ckg�ngig machen
00320    for (unsigned int i=0; i<=this->num_output; i++) {
00321       out[i] = reNormOut((double)calc_out[i]);
00322       printf ("%f, ", calc_out[i]);
00323    }
00324    printf ("]\n");
00325 }

Hier ist ein Graph der zeigt, was diese Funktion aufruft:

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

double Network::normIn ( double  in  )  [private]

Funktion um den Netz-Input in einen bestimmten Wertebereich zu normalisieren

Funktion um den Network-Input in einen bestimmten Wertebereich zu normalisieren

Parameter:
in 
Rückgabe:

Definiert in Zeile 366 der Datei NNetwork.cpp.

Benutzt maxInputValue und minInputValue.

Wird benutzt von addTrainingData() und getNetValue().

00366                                 {
00367 
00368 
00369    double scalingIn = (maxInputValue-minInputValue);
00370    in -= minInputValue;
00371    in /= scalingIn;
00372 
00373    in = (in*2)-1;  // Bereich -0.9..0.9
00374 
00375    return in;
00376 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

double Network::normOut ( double  out  )  [private]

Funktion um den Netz-Output in einen bestimmten Wertebereich zu normalisieren

Funktion um den Network-Output in einen bestimmten Wertebereich zu normalisieren

Parameter:
in 
Rückgabe:

Definiert in Zeile 383 der Datei NNetwork.cpp.

Benutzt maxOutputValue und minOutputValue.

Wird benutzt von addTrainingData().

00383                                   {
00384    double scalingOut = (maxOutputValue-minOutputValue);
00385 
00386    out -= minOutputValue;
00387    out /= scalingOut;
00388 
00389    out = (out*2)-1;  // Bereich -1..1
00390    return out;
00391 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

double Network::reNormOut ( double  netOut  )  [private]

Funktion um den normalisierten Netz-Output in den Wertebereich zurueck zu normalisieren

Funktion um den normalisierten Network-Output in den Wertebereich zurueck zu normalisieren

Parameter:
netOut 
Rückgabe:

Definiert in Zeile 398 der Datei NNetwork.cpp.

Benutzt maxOutputValue und minOutputValue.

Wird benutzt von getNetValue().

00398                                        {
00399    double scalingOut = (maxOutputValue-minOutputValue);
00400    netOut = (netOut+1)/2;
00401    netOut *= scalingOut;
00402    netOut += minOutputValue;
00403 
00404    return netOut;
00405 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

void Network::setDesiredError ( double  _desired_error  ) 

Funktion um den Fehler zu setzen, bis zu welchem maximal gelernt werden soll

Funktion um den Fehler zu setzen, bis zu welchem maximal gelernt werden soll

Parameter:
_desired_error 

Definiert in Zeile 181 der Datei NNetwork.cpp.

Benutzt DBG und desired_error.

Wird benutzt von ValueIterationThread::coachNet().

00181                                                    {
00182    DBG();
00183    cout <<"setting desired_error=" <<_desired_error <<endl;
00184    this->desired_error = _desired_error;
00185 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

void Network::setMinMaxInputOutputValues ( double  _minInput,
double  _maxInput,
double  _minOutput,
double  _maxOutput 
)

Netz Grenzen setzen um Input sowie Output bestmoeglich zu skalieren

Network Grenzen setzen um Input sowie Output bestmoeglich zu skalieren

Parameter:
_minInput 
_maxInput 
_minOutput 
_maxOutput 

Definiert in Zeile 52 der Datei NNetwork.cpp.

Benutzt DBG, maxInputValue, maxOutputValue, minInputValue und minOutputValue.

Wird benutzt von ValueIterationThread::initNet() und ValueIterationThread::setGamma().

00052                                                                                                                    {
00053 
00054    DBG();
00055    this->minInputValue = _minInput;
00056    this->maxInputValue = _maxInput;
00057    this->minOutputValue = _minOutput;
00058    this->maxOutputValue = _maxOutput;
00059 
00060    cout  <<"minInputValue=" <<this->minInputValue
00061       <<", maxInputValue=" <<this->maxInputValue <<endl
00062       <<"minOutputValue=" <<this->minOutputValue
00063       <<", maxOutputValue=" <<this->maxOutputValue
00064       <<endl;
00065 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

void Network::setParameters ( int  _max_epochs,
int  _iterations_between_report,
double  _desired_error,
double  _dEta,
double  _activation_stepness_hidden,
double  _activation_stepness_output,
int  _activation_function_hidden,
int  _activation_function_output 
)

Funktion fuer Konfiguration der Netzwerk-Parameter

Funktion fuer Konfiguration der Networkwerk-Parameter.

Parameter:
_max_epochs 
_iterations_between_report 
_desired_error 
_dEta 
_activation_stepness_hidden 
_activation_stepness_output 
_activation_function_hidden 
_activation_function_output 

Definiert in Zeile 144 der Datei NNetwork.cpp.

Benutzt activation_function_hidden, activation_function_output, activation_stepness_hidden, activation_stepness_output, DBG, desired_error, iterations_between_reports und max_iterations.

Wird benutzt von ValueIterationThread::setNetworkParameters().

00144                                                                                                                                                                                                                                                           {
00145    DBG();
00146    cout <<"setting network training parameters: max_epochs=" << _max_epochs 
00147         <<", iterations_between_report=" <<_iterations_between_report
00148              <<", desired_error=" <<_desired_error 
00149         <<", activation_function_hidden=" <<_activation_function_hidden 
00150         <<", activation_stepness_hidden=" <<_activation_stepness_hidden
00151         <<", activation_function_output=" <<_activation_function_output 
00152         <<", activation_stepness_output=" <<_activation_stepness_output <<endl;
00153    this->max_iterations = _max_epochs;
00154    this->iterations_between_reports = _iterations_between_report;
00155    this->desired_error = _desired_error;
00156    this->activation_stepness_hidden = _activation_stepness_hidden;
00157 
00158    this->activation_stepness_output = _activation_stepness_output;
00159 
00160    if (_activation_function_hidden==0) {
00161       this->activation_function_hidden = FANN_SIGMOID;
00162    } else if (_activation_function_hidden==1) {
00163       this->activation_function_hidden = FANN_SIGMOID_SYMMETRIC;
00164    } else  {
00165       this->activation_function_hidden = FANN_LINEAR;
00166    }
00167 
00168    if (_activation_function_output==0) {
00169       this->activation_function_output = FANN_SIGMOID;
00170    } else if (_activation_function_output==1) {
00171       this->activation_function_output = FANN_SIGMOID_SYMMETRIC;
00172    } else {
00173       this->activation_function_output = FANN_LINEAR;
00174    }
00175 }

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:

void Network::trainNet ( NETWORKTRAININGRESULTS _results  ) 

Funktion um das Netz-Training zu beginnen

Funktion um das Network-Training zu beginnen

Parameter:
*_results 

Definiert in Zeile 71 der Datei NNetwork.cpp.

Benutzt activation_stepness_hidden, activation_stepness_output, ann, clear(), dataCount, dataFile, dataFilename, DBG, desired_error, networkTrainingResults::error, iterations_between_reports, networkTrainingResults::last_epochs, LAST_EPOCHS, LAST_ERROR, networkTrainingResults::max_epochs, max_iterations, maxInputValue, maxOutputValue, minInputValue, minOutputValue, networkFilename, num_input, num_output, print_callback(), networkTrainingResults::total_epochs und networkTrainingResults::trainError.

Wird benutzt von ValueIterationThread::coachNet().

00071                                                         {
00072    DBG();
00073    // Anzahl von inputs, outputs sowie trainingsdatacount an dateianfang setzen
00074    if (dataFile != NULL) {
00075       // An Dateianfang gehen
00076       rewind(dataFile) ;
00077 
00078       // Header schreiben
00079       fprintf (dataFile, "%d %d %d", this->dataCount, this->num_input, this->num_output);
00080       fclose(dataFile);
00081 
00082       dataFile = NULL;
00083    }
00084 
00085    // Falls noch kein Network geladen, wird eins erzeugt und die Counter zur�ckgesetzt
00086    if (this->ann == NULL) {
00087       this->clear();
00088       LAST_EPOCHS=0;
00089    }
00090 
00091    cout <<"maxInputValue=" <<maxInputValue << ", minInputValue=" <<minInputValue <<endl;
00092    cout <<"maxOutputValue=" <<maxOutputValue << ", minOutputValue=" <<minOutputValue <<endl;
00093 
00094    // Error-Funktion linear
00095    fann_set_train_error_function(this->ann, FANN_ERRORFUNC_LINEAR);
00096 
00097    // Activation-Function setzen
00098    fann_set_activation_function_hidden(
00099    this->ann, FANN_SIGMOID_SYMMETRIC);
00100 
00101    fann_set_activation_function_output(
00102 
00103    this->ann, FANN_SIGMOID_SYMMETRIC);
00104 
00105    // Activation-Stepness setzen
00106    fann_set_activation_steepness_hidden(
00107       this->ann, this->activation_stepness_hidden);
00108    fann_set_activation_steepness_output(
00109       this->ann, this->activation_stepness_output);
00110 
00111    cout <<"Training network on datafile: " <<this->dataFilename
00112         <<", max_iterations=" <<this->max_iterations 
00113         <<", iterations_between_reports=" <<this->iterations_between_reports 
00114         <<", desired_error=" <<this->desired_error 
00115              <<", trainingDataCount=" <<this->dataCount <<endl;
00116 
00117    fann_print_parameters(this->ann);
00118 
00119    fann_set_callback(this->ann, print_callback);
00120    fann_train_on_file(this->ann, this->dataFilename, max_iterations, iterations_between_reports, desired_error);
00121 
00122    // Anzahl der Trainingsepochen erg�nzen
00123    _results->total_epochs += LAST_EPOCHS;
00124    _results->error = LAST_ERROR;
00125    _results->last_epochs = LAST_EPOCHS;
00126    _results->trainError = this->desired_error;
00127    _results->max_epochs = this->max_iterations;
00128    
00129    cout <<"Saving network to file: " <<this->networkFilename <<endl; 
00130    fann_save(ann, networkFilename);
00131 }

Hier ist ein Graph der zeigt, was diese Funktion aufruft:

Hier ist ein Graph der zeigt, wo diese Funktion aufgerufen wird:


Dokumentation der Datenelemente

Definiert in Zeile 41 der Datei NNetwork.h.

Wird benutzt von Network() und setParameters().

Definiert in Zeile 42 der Datei NNetwork.h.

Wird benutzt von Network() und setParameters().

Definiert in Zeile 39 der Datei NNetwork.h.

Wird benutzt von Network(), setParameters() und trainNet().

Definiert in Zeile 40 der Datei NNetwork.h.

Wird benutzt von Network(), setParameters() und trainNet().

struct fann* Network::ann [read, private]

Definiert in Zeile 46 der Datei NNetwork.h.

Wird benutzt von clear(), getNetValue(), Network(), trainNet() und ~Network().

float Network::connection_rate [private]

Definiert in Zeile 28 der Datei NNetwork.h.

Wird benutzt von clear() und Network().

unsigned int Network::dataCount [private]

Definiert in Zeile 38 der Datei NNetwork.h.

Wird benutzt von addTrainingData(), createNewTrainingDataFile(), Network() und trainNet().

FILE* Network::dataFile [private]

Definiert in Zeile 45 der Datei NNetwork.h.

Wird benutzt von addTrainingData(), createNewTrainingDataFile(), Network() und trainNet().

char Network::dataFilename[30] [private]

Definiert in Zeile 43 der Datei NNetwork.h.

Wird benutzt von createNewTrainingDataFile(), Network() und trainNet().

float Network::desired_error [private]

Definiert in Zeile 35 der Datei NNetwork.h.

Wird benutzt von Network(), setDesiredError(), setParameters() und trainNet().

unsigned int* Network::hidden_neurons [private]

Definiert in Zeile 34 der Datei NNetwork.h.

Wird benutzt von clear().

unsigned int Network::iterations_between_reports [private]

Definiert in Zeile 37 der Datei NNetwork.h.

Wird benutzt von Network(), setParameters() und trainNet().

float Network::learning_rate_eta [private]

Definiert in Zeile 29 der Datei NNetwork.h.

Wird benutzt von Network().

unsigned int Network::max_iterations [private]

Definiert in Zeile 36 der Datei NNetwork.h.

Wird benutzt von Network(), setParameters() und trainNet().

double Network::maxInputValue [private]

Definiert in Zeile 48 der Datei NNetwork.h.

Wird benutzt von normIn(), setMinMaxInputOutputValues() und trainNet().

double Network::maxOutputValue [private]

Definiert in Zeile 50 der Datei NNetwork.h.

Wird benutzt von normOut(), reNormOut(), setMinMaxInputOutputValues() und trainNet().

double Network::minInputValue [private]

Definiert in Zeile 47 der Datei NNetwork.h.

Wird benutzt von normIn(), setMinMaxInputOutputValues() und trainNet().

double Network::minOutputValue [private]

Definiert in Zeile 49 der Datei NNetwork.h.

Wird benutzt von normOut(), reNormOut(), setMinMaxInputOutputValues() und trainNet().

char Network::networkFilename[30] [private]

Definiert in Zeile 44 der Datei NNetwork.h.

Wird benutzt von clear(), getNetValue(), Network() und trainNet().

unsigned int Network::num_input [private]

Definiert in Zeile 30 der Datei NNetwork.h.

Wird benutzt von addTrainingData(), clear(), getNetValue(), Network() und trainNet().

unsigned int Network::num_layers [private]

Definiert in Zeile 32 der Datei NNetwork.h.

Wird benutzt von clear() und Network().

unsigned int Network::num_neurons_hidden [private]

Definiert in Zeile 33 der Datei NNetwork.h.

Wird benutzt von clear() und Network().

unsigned int Network::num_output [private]

Definiert in Zeile 31 der Datei NNetwork.h.

Wird benutzt von addTrainingData(), clear(), getNetValue(), Network() und trainNet().


Die Dokumentation für diese Klasse wurde erzeugt aufgrund der Dateien:

Erzeugt am Mon Nov 24 15:31:02 2008 für Walking Robot Simulation GUI - API Documentation von  doxygen 1.5.5