Ce fichier à pour but d'expliquer l'architecture du projet 'pmc-velib'

BUT:
    L'idée est d'utiliser un réseau de neurone (type perceptron multi-couche) pour ap-
prendre le comportement des usagers de velibs. On se restreint à quelques stations
autour de Jussieu (en espérant y voir un comportement modélisable en tant que
bassin étudiant). Une fois le réseau entraîné sur des données réelles, on lui demande
de prédire des données. Les facteurs qui nous semblent déterminant dans l'utilisation
des velibs sont l'heure et la météo correspondante (Température, pluie, neige).

On peut la décomposer en 3 parties : 
    -Le data mining
    -L'apprentissage
    -L'analyse des données

PRÉRÉQUIS:
    -Python 2.7
    -Pygtk 2.0
    -Sqlite 3.0
Pour compiler les cpp:
Voir lib/
    -tinyxml (parseur xml)
    -armadillo (algèbre linéaire rapide)

Si l'on veut compiler les bin 'init_reseau' et 'teacher':

cd src/init_reseau
./compile.sh

Compile et met le bin à la racine.
L'utilisation d'armadillo est relativement contraignante, adapter teacher/compile.sh
au besoin suivant la doc de armadillo si l'architecture n'est pas similaire à :

Mac OS 10.9/10.10 64 bits

DATA MINING:
    Dans le répertoire data mining se trouve le script qui permet de miner les données
relatives aux velibs et à la météo. Il est lancé en continu sur un serveur distant, il
remplit la bdd sqlite 'data_velib.sqlite'.

APPRENTISSAGE:
    En lançant 'python ui.py' on accède à l'interface graphique qui permet de configurer
l'apprentissage désiré. Elle extrait les données à considérer de la bdd (bdd.py) et appelle
'init_reseau' (src/init_reseau) pour créer dans results/ un nous dossier contenant un
réseau initialisé correctement (results/x/network.xml).
    À cause d'un souci de copié-collé dans l'ui on se sert de 'time_framework' pour spécifier
les timestamp relatifs aux intervalles des données d'apprentissage/de validation.
    On retrouve dans results/x/ les données brutes de la bdd servant à l'apprentissage
ainsi que les données normalisées passées en entrée/sortie du pmc.
    Le script learn.sh permet de lancer l'apprentissage en appelant le programme 'teacher'.
    On peut spécifier le nombre d'itérations souhaitées : ./learn.sh 30000. Il est par défaut
de 10000, on doit mettre un multiple de 10000.