# coding: UTF-8

import math
import matplotlib.pyplot as plt

# シグモイド関数
def sigmoid(a):
    return 1.0 / (1.0 + math.exp(-a))

# ニューロン
class Neuron:
    # 入力値の合計
    input_sum = 0.0
    # 出力
    output = 0.0

    def setInput(self, inp):
        # 入力値(inp)をinput_sumに足し合わせる
        self.input_sum += inp

    def getOutput(self):
        # 入力値の合計をシグモイド関数に渡す
        self.output = sigmoid(self.input_sum)

        return self.output

    def reset(self):
        # 入力値の合計をシグモイド関数に渡す
        self.input_sum = 0
        self.output = 0

# ニューラルネットワーク
class NeuralNetWork:
    # 入力層と中間層との間の重み
    # 最初の要素は入力層の最初のニューロンと中間層の各ニューロンとの重み、
    # 二番目の要素は入力層の二番目のニューロンと中間層の各ニューロンとの重み、
    # 最後の要素は入力層のバイアスと中間層の各ニューロンとの重み。
    w_im = [[0.496, 0.512], [-0.501, 0.998], [0.498, -0.502]]
    #  中間層と出力層との間の重み
    # 最初の要素は中間層の最初のニューロンと出力層のニューロンとの重み、
    # 二番目の要素は中間層の二番目のニューロンと出力層のニューロンとの重み、
    # 最後の要素は中間層のバイアスと出力層のニューロンとの重み。
    w_mo = [0.121, -0.4996, 0.200]

    # 入力層 二つのニューロンと一つのバイアス
    # 入力値がそのまま入るのでニューロンクラスを使わない。
    input_layer = [0.0, 0.0, 1.0]
    # 中間層 二つのニューロンクラスと一つのバイアス
    middle_layer = [Neuron(), Neuron(), 1.0]
    # 出力層 リストではない
    output_layer = Neuron()

    # 実行
    def commit(self, input_data):
        # 各層のリセット
        self.input_layer[0] = input_data[0]
        self.input_layer[1] = input_data[1]

        self.middle_layer[0].reset()
        self.middle_layer[1].reset()

        self.output_layer.reset()

        # 中間層 二つのニューロンクラスと一つのバイアス
        middle_layer = [Neuron(), Neuron(), 1.0]
        # 出力層 リストではない
        output_layer = Neuron()

        # 入力値のリストを受け止め、重みのリストと
        # 順に掛け合わせてneuron.setInputに渡す
        # 入力層 → 中間層
        self.middle_layer[0].setInput(self.input_layer[0] * self.w_im[0][0])
        self.middle_layer[0].setInput(self.input_layer[1] * self.w_im[1][0])
        self.middle_layer[0].setInput(self.input_layer[2] * self.w_im[2][0])

        self.middle_layer[1].setInput(self.input_layer[0] * self.w_im[0][1])
        self.middle_layer[1].setInput(self.input_layer[1] * self.w_im[1][1])
        self.middle_layer[1].setInput(self.input_layer[2] * self.w_im[2][1])

        # 中間層 → 出力層
        self.output_layer.setInput(self.middle_layer[0].getOutput() * self.w_mo[0])
        self.output_layer.setInput(self.middle_layer[1].getOutput() * self.w_mo[1])
        self.output_layer.setInput(self.middle_layer[2] * self.w_mo[2])

        return self.output_layer.getOutput()

# 基準点（データの範囲を0.0〜1.0の範囲に）
refer_point_0 = 34.5
refer_point_1 = 137.5

# 外部データ格納
trial_data = []
# 外部データファイルを開く
# 日本付近の緯度経度データ
trial_data_file = open("trial-data.txt","r")
# データファイルを一行づつ読み取る
for line in trial_data_file:
    # 行末の文字を取り除き「,」で区切ってリストにする
    line = line.rstrip().split(",")
    # 緯度から基準値を引いた値,経度から基準値を引いた値の
    # リストをtrial_dataに追加する
    trial_data.append([float(line[0]) - refer_point_0, float(line[1]) - refer_point_1])
# 外部データファイルを閉じる
trial_data_file.close()

# ニューラルネットワークのインスタンス
neural_network = NeuralNetWork()

# 実行
position_tokyo = [[],[]]
position_kanagawa = [[],[]]
for data in trial_data:
    if neural_network.commit(data) < 0.5:
        position_tokyo[0].append(data[1] + refer_point_1)
        position_tokyo[1].append(data[0] + refer_point_0)
    else:
        position_kanagawa[0].append(data[1] + refer_point_1)
        position_kanagawa[1].append(data[0] + refer_point_0)

# プロット
# 散布図(scatter)の設定
plt.scatter(position_tokyo[0], position_tokyo[1], color="red", label="Tokyo", marker="+")
plt.scatter(position_kanagawa[0], position_kanagawa[1], color="blue", label="Kanagawa", marker="+")
plt.legend()
plt.show()