From: Benjamin Auder <benjamin.auder@somewhere> Date: Thu, 15 Dec 2016 16:22:39 +0000 (+0100) Subject: almost finished X-Git-Url: https://git.auder.net/doc/html/pieces/%7B%7B%20asset%28%27mixstore/images/%3C?a=commitdiff_plain;h=3ec579a0955aca0591a9e5c4d90c50b87f4f4609;p=valse.git almost finished --- diff --git a/src/adapters/a.constructionModelesLassoMLE.c b/src/adapters/a.constructionModelesLassoMLE.c index 7578664..7f578fb 100644 --- a/src/adapters/a.constructionModelesLassoMLE.c +++ b/src/adapters/a.constructionModelesLassoMLE.c @@ -77,7 +77,7 @@ SEXP EMGLLF( // Build list from OUT params and return it SEXP listParams, listNames; PROTECT(listParams = allocVector(VECSXP, 4)); - char* lnames[4] = {"phi", "rho", "pi", "lvraisemblance}; //lists labels + char* lnames[4] = {"phi", "rho", "pi", "lvraisemblance"}; //lists labels PROTECT(listNames = allocVector(STRSXP,4)); for (int i=0; i<4; i++) SET_STRING_ELT(listNames,i,mkChar(lnames[i])); diff --git a/src/sources/.constructionModelesLassoRank.c.swp b/src/sources/.constructionModelesLassoRank.c.swp new file mode 100644 index 0000000..ba4ef92 Binary files /dev/null and b/src/sources/.constructionModelesLassoRank.c.swp differ diff --git a/src/sources/constructionModelesLassoMLE.c b/src/sources/constructionModelesLassoMLE.c index bcbfd3c..91119e9 100644 --- a/src/sources/constructionModelesLassoMLE.c +++ b/src/sources/constructionModelesLassoMLE.c @@ -6,39 +6,39 @@ // TODO: comment on constructionModelesLassoMLE purpose void constructionModelesLassoMLE( - // IN parameters - const Real* phiInit, // parametre initial de moyenne renormalisé - const Real* rhoInit, // parametre initial de variance renormalisé - const Real* piInit, // parametre initial des proportions - const Real* gamInit, // paramètre initial des probabilités a posteriori de chaque échantillon - Int mini, // nombre minimal d'itérations dans l'algorithme EM - Int maxi, // nombre maximal d'itérations dans l'algorithme EM - Real gamma, // valeur de gamma : puissance des proportions dans la pénalisation pour un Lasso adaptatif - const Real* glambda, // valeur des paramètres de régularisation du Lasso - const Real* X, // régresseurs - const Real* Y, // réponse - Real seuil, // seuil pour prendre en compte une variable - Real tau, // seuil pour accepter la convergence - const Int* A1, // matrice des coefficients des parametres selectionnes - const Int* A2, // matrice des coefficients des parametres non selectionnes + // IN parameters + const double* phiInit, // parametre initial de moyenne renormalisé + const double* rhoInit, // parametre initial de variance renormalisé + const double* piInit,// parametre initial des proportions + const double* gamInit, // paramètre initial des probabilités a posteriori de chaque échantillon + int mini,// nombre minimal d'itérations dans l'algorithme EM + int maxi,// nombre maximal d'itérations dans l'algorithme EM + double gamma,// valeur de gamma : puissance des proportions dans la pénalisation pour un Lasso adaptatif + const double* glambda, // valeur des paramètres de régularisation du Lasso + const double* X, // régresseurs + const double* Y, // réponse + double seuil,// seuil pour prendre en compte une variable + double tau,// seuil pour accepter la convergence + const int* A1, // matrice des coefficients des parametres selectionnes + const int* A2, // matrice des coefficients des parametres non selectionnes // OUT parameters - Real* phi, // estimateur ainsi calculé par le Lasso - Real* rho, // estimateur ainsi calculé par le Lasso - Real* pi, // estimateur ainsi calculé par le Lasso - Real* lvraisemblance, // estimateur ainsi calculé par le Lasso + double* phi,// estimateur ainsi calculé par le Lasso + double* rho,// estimateur ainsi calculé par le Lasso + double* pi, // estimateur ainsi calculé par le Lasso + double* lvraisemblance, // estimateur ainsi calculé par le Lasso // additional size parameters - mwSize n, // taille de l'echantillon - mwSize p, // nombre de covariables - mwSize m, // taille de Y (multivarié) - mwSize k, // nombre de composantes - mwSize L) // taille de glambda + int n, // taille de l'echantillon + int p, // nombre de covariables + int m, // taille de Y (multivarié) + int k, // nombre de composantes + int L) // taille de glambda { //preparation: phi = 0 - for (mwSize u=0; u<p*m*k*L; u++) + for (int u=0; u<p*m*k*L; u++) phi[u] = 0.0; - + //initiate parallel section - mwSize lambdaIndex; + int lambdaIndex; omp_set_num_threads(OMP_NUM_THREADS); #pragma omp parallel default(shared) private(lambdaIndex) { @@ -47,42 +47,42 @@ void constructionModelesLassoMLE( { //~ a = A1(:,1,lambdaIndex); //~ a(a==0) = []; - Int* a = (Int*)malloc(p*sizeof(Int)); - mwSize lengthA = 0; - for (mwSize j=0; j<p; j++) + int* a = (int*)malloc(p*sizeof(int)); + int lengthA = 0; + for (int j=0; j<p; j++) { - if (A1[j*(m+1)*L+0*L+lambdaIndex] != 0) - a[lengthA++] = A1[j*(m+1)*L+0*L+lambdaIndex] - 1; + if (A1[ai(j,0,lambdaIndex,p,m+1,L)] != 0) + a[lengthA++] = A1[ai(j,0,lambdaIndex,p,m+1,L)] - 1; } if (lengthA == 0) continue; - + //Xa = X(:,a) - Real* Xa = (Real*)malloc(n*lengthA*sizeof(Real)); - for (mwSize i=0; i<n; i++) + double* Xa = (double*)malloc(n*lengthA*sizeof(double)); + for (int i=0; i<n; i++) { - for (mwSize j=0; j<lengthA; j++) - Xa[i*lengthA+j] = X[i*p+a[j]]; + for (int j=0; j<lengthA; j++) + Xa[mi(i,j,n,lengthA)] = X[mi(i,a[j],n,p)]; } - + //phia = phiInit(a,:,:) - Real* phia = (Real*)malloc(lengthA*m*k*sizeof(Real)); - for (mwSize j=0; j<lengthA; j++) + double* phia = (double*)malloc(lengthA*m*k*sizeof(double)); + for (int j=0; j<lengthA; j++) { - for (mwSize mm=0; mm<m; mm++) + for (int mm=0; mm<m; mm++) { - for (mwSize r=0; r<k; r++) - phia[j*m*k+mm*k+r] = phiInit[a[j]*m*k+mm*k+r]; + for (int r=0; r<k; r++) + phia[ai(j,mm,r,lengthA,m,k)] = phiInit[ai(a[j],mm,r,p,m,k)]; } } - + //[phiLambda,rhoLambda,piLambda,~,~] = EMGLLF(... // phiInit(a,:,:),rhoInit,piInit,gamInit,mini,maxi,gamma,0,X(:,a),Y,tau); - Real* phiLambda = (Real*)malloc(lengthA*m*k*sizeof(Real)); - Real* rhoLambda = (Real*)malloc(m*m*k*sizeof(Real)); - Real* piLambda = (Real*)malloc(k*sizeof(Real)); - Real* LLF = (Real*)malloc((maxi+1)*sizeof(Real)); - Real* S = (Real*)malloc(lengthA*m*k*sizeof(Real)); + double* phiLambda = (double*)malloc(lengthA*m*k*sizeof(double)); + double* rhoLambda = (double*)malloc(m*m*k*sizeof(double)); + double* piLambda = (double*)malloc(k*sizeof(double)); + double* LLF = (double*)malloc((maxi+1)*sizeof(double)); + double* S = (double*)malloc(lengthA*m*k*sizeof(double)); EMGLLF(phia,rhoInit,piInit,gamInit,mini,maxi,gamma,0.0,Xa,Y,tau, phiLambda,rhoLambda,piLambda,LLF,S, n,lengthA,m,k); @@ -90,123 +90,123 @@ void constructionModelesLassoMLE( free(phia); free(LLF); free(S); - + //~ for j=1:length(a) //~ phi(a(j),:,:,lambdaIndex) = phiLambda(j,:,:); //~ end - for (mwSize j=0; j<lengthA; j++) + for (int j=0; j<lengthA; j++) { - for (mwSize mm=0; mm<m; mm++) + for (int mm=0; mm<m; mm++) { - for (mwSize r=0; r<k; r++) - phi[a[j]*m*k*L+mm*k*L+r*L+lambdaIndex] = phiLambda[j*m*k+mm*k+r]; + for (int r=0; r<k; r++) + phi[ai4(a[j],mm,r,lambdaIndex,p,m,k,L)] = phiLambda[ai(j,mm,r,p,m,k)]; } } free(phiLambda); //~ rho(:,:,:,lambdaIndex) = rhoLambda; - for (mwSize u=0; u<m; u++) + for (int u=0; u<m; u++) { - for (mwSize v=0; v<m; v++) + for (int v=0; v<m; v++) { - for (mwSize r=0; r<k; r++) - rho[u*m*k*L+v*k*L+r*L+lambdaIndex] = rhoLambda[u*m*k+v*k+r]; + for (int r=0; r<k; r++) + rho[ai4(u,v,r,lambdaIndex,m,m,k,L)] = rhoLambda[ai(u,v,r,m,m,k)]; } } free(rhoLambda); //~ pi(:,lambdaIndex) = piLambda; - for (mwSize r=0; r<k; r++) - pi[r*L+lambdaIndex] = piLambda[r]; + for (int r=0; r<k; r++) + pi[mi(r,lambdaIndex,k,L)] = piLambda[r]; free(piLambda); - - mwSize dimension = 0; - Int* b = (Int*)malloc(m*sizeof(Int)); - for (mwSize j=0; j<p; j++) + + int dimension = 0; + int* b = (int*)malloc(m*sizeof(int)); + for (int j=0; j<p; j++) { //~ b = A2(j,2:end,lambdaIndex); //~ b(b==0) = []; - mwSize lengthB = 0; - for (mwSize mm=0; mm<m; mm++) + int lengthB = 0; + for (int mm=0; mm<m; mm++) { - if (A2[j*(m+1)*L+(mm+1)*L+lambdaIndex] != 0) - b[lengthB++] = A2[j*(m+1)*L+(mm+1)*L+lambdaIndex] - 1; + if (A2[ai(j,mm+1,lambdaIndex,p,m+1,L)] != 0) + b[lengthB++] = A2[ai(j,mm+1,lambdaIndex,p,m+1,L)] - 1; } //~ if length(b) > 0 //~ phi(A2(j,1,lambdaIndex),b,:,lambdaIndex) = 0.0; //~ end if (lengthB > 0) { - for (mwSize mm=0; mm<lengthB; mm++) + for (int mm=0; mm<lengthB; mm++) { - for (mwSize r=0; r<k; r++) - phi[(A2[j*(m+1)*L+0*L+lambdaIndex]-1)*m*k*L + b[mm]*k*L + r*L + lambdaIndex] = 0.0; + for (int r=0; r<k; r++) + phi[ai( A2[ai4(j,0,lambdaIndex,p,m+1,L)]-1, b[mm], r, lambdaIndex, p, m, k, L)] = 0.0; } } - + //~ c = A1(j,2:end,lambdaIndex); //~ c(c==0) = []; //~ dimension = dimension + length(c); - for (mwSize mm=0; mm<m; mm++) + for (int mm=0; mm<m; mm++) { - if (A1[j*(m+1)*L+(mm+1)*L+lambdaIndex] != 0) + if (A1[ai(j,mm+1,lambdaIndex,p,m+1,L)] != 0) dimension++; } } free(b); - + int signum; - Real* densite = (Real*)calloc(L*n,sizeof(Real)); - Real sumLogDensit = 0.0; + double* densite = (double*)calloc(L*n,sizeof(double)); + double sumLogDensit = 0.0; gsl_matrix* matrix = gsl_matrix_alloc(m, m); gsl_permutation* permutation = gsl_permutation_alloc(m); - Real* YiRhoR = (Real*)malloc(m*sizeof(Real)); - Real* XiPhiR = (Real*)malloc(m*sizeof(Real)); - for (mwSize i=0; i<n; i++) + double* YiRhoR = (double*)malloc(m*sizeof(double)); + double* XiPhiR = (double*)malloc(m*sizeof(double)); + for (int i=0; i<n; i++) { //~ for r=1:k //~ delta = Y(i,:)*rho(:,:,r,lambdaIndex) - (X(i,a)*(phi(a,:,r,lambdaIndex))); //~ densite(i,lambdaIndex) = densite(i,lambdaIndex) +... //~ pi(r,lambdaIndex)*det(rho(:,:,r,lambdaIndex))/(sqrt(2*PI))^m*exp(-dot(delta,delta)/2.0); //~ end - for (mwSize r=0; r<k; r++) + for (int r=0; r<k; r++) { //compute det(rho(:,:,r,lambdaIndex)) [TODO: avoid re-computations] - for (mwSize u=0; u<m; u++) + for (int u=0; u<m; u++) { - for (mwSize v=0; v<m; v++) - matrix->data[u*m+v] = rho[u*m*k*L+v*k*L+r*L+lambdaIndex]; + for (int v=0; v<m; v++) + matrix->data[u*m+v] = rho[ai4(u,v,r,lambdaIndex,m,m,k,L)]; } gsl_linalg_LU_decomp(matrix, permutation, &signum); - Real detRhoR = gsl_linalg_LU_det(matrix, signum); - + double detRhoR = gsl_linalg_LU_det(matrix, signum); + //compute Y(i,:)*rho(:,:,r,lambdaIndex) - for (mwSize u=0; u<m; u++) + for (int u=0; u<m; u++) { YiRhoR[u] = 0.0; - for (mwSize v=0; v<m; v++) - YiRhoR[u] += Y[i*m+v] * rho[v*m*k*L+u*k*L+r*L+lambdaIndex]; + for (int v=0; v<m; v++) + YiRhoR[u] += Y[mi(i,v,n,m)] * rho[ai4(v,u,r,lambdaIndex,m,m,k,L)]; } - + //compute X(i,a)*phi(a,:,r,lambdaIndex) - for (mwSize u=0; u<m; u++) + for (int u=0; u<m; u++) { XiPhiR[u] = 0.0; - for (mwSize v=0; v<lengthA; v++) - XiPhiR[u] += X[i*p+a[v]] * phi[a[v]*m*k*L+u*k*L+r*L+lambdaIndex]; + for (int v=0; v<lengthA; v++) + XiPhiR[u] += X[mi(i,a[v],n,p)] * phi[ai4(a[v],u,r,lambdaIndex,p,m,k,L)]; } - // On peut remplacer X par Xa dans ce dernier calcul, mais je ne sais pas si c'est intéressant ... - + // On peut remplacer X par Xa dans ce dernier calcul, mais je ne sais pas si c'est intéressant ... + // compute dotProduct < delta . delta > - Real dotProduct = 0.0; - for (mwSize u=0; u<m; u++) + double dotProduct = 0.0; + for (int u=0; u<m; u++) dotProduct += (YiRhoR[u]-XiPhiR[u]) * (YiRhoR[u]-XiPhiR[u]); - - densite[lambdaIndex*n+i] += (pi[r*L+lambdaIndex]*detRhoR/pow(sqrt(2.0*M_PI),m))*exp(-dotProduct/2.0); - } + + densite[mi(lambdaIndex,i,L,n)] += (pi[mi(r,lambdaIndex,k,L)]*detRhoR/pow(sqrt(2.0*M_PI),m))*exp(-dotProduct/2.0); + } sumLogDensit += log(densite[lambdaIndex*n+i]); } - lvraisemblance[lambdaIndex*2+0] = sumLogDensit; - lvraisemblance[lambdaIndex*2+1] = (dimension+m+1)*k-1; - + lvraisemblance[mi(lambdaIndex,0,L,2)] = sumLogDensit; + lvraisemblance[mi(lambdaIndex,1,L,2)] = (dimension+m+1)*k-1; + free(a); free(YiRhoR); free(XiPhiR); diff --git a/src/sources/constructionModelesLassoRank.c b/src/sources/constructionModelesLassoRank.c index 98c02d5..eaa83c4 100644 --- a/src/sources/constructionModelesLassoRank.c +++ b/src/sources/constructionModelesLassoRank.c @@ -6,54 +6,54 @@ // TODO: comment on constructionModelesLassoRank purpose void constructionModelesLassoRank( - // IN parameters - const Real* Pi, // parametre initial des proportions - const Real* Rho, // parametre initial de variance renormalisé - Int mini, // nombre minimal d'itérations dans l'algorithme EM - Int maxi, // nombre maximal d'itérations dans l'algorithme EM - const Real* X, // régresseurs - const Real* Y, // réponse - Real tau, // seuil pour accepter la convergence - const Int* A1, // matrice des coefficients des parametres selectionnes - Int rangmin, //rang minimum autorisé - Int rangmax, //rang maximum autorisé + // IN parameters + const double* Pi,// parametre initial des proportions + const double* Rho, // parametre initial de variance renormalisé + int mini, // nombre minimal d'itérations dans l'algorithme EM + int maxi, // nombre maximal d'itérations dans l'algorithme EM + const double* X,// régresseurs + const double* Y,// réponse + double tau, // seuil pour accepter la convergence + const int* A1, // matrice des coefficients des parametres selectionnes + int rangmin, //rang minimum autorisé + int rangmax, //rang maximum autorisé // OUT parameters (all pointers, to be modified) - Real* phi, // estimateur ainsi calculé par le Lasso - Real* lvraisemblance, // estimateur ainsi calculé par le Lasso - // additional size parameters - mwSize n, // taille de l'echantillon - mwSize p, // nombre de covariables - mwSize m, // taille de Y (multivarié) - mwSize k, // nombre de composantes - mwSize L) // taille de glambda + double* phi,// estimateur ainsi calculé par le Lasso + double* lvraisemblance,// estimateur ainsi calculé par le Lasso + // additional size parameters + int n,// taille de l'echantillon + int p,// nombre de covariables + int m,// taille de Y (multivarié) + int k,// nombre de composantes + int L)// taille de glambda { //On cherche les rangs possiblement intéressants - Int deltaRank = rangmax-rangmin+1; - mwSize Size = (mwSize)pow(deltaRank,k); - Int* Rank = (Int*)malloc(Size*k*sizeof(Int)); - for (mwSize r=0; r<k; r++) - { + int deltaRank = rangmax-rangmin+1; + int Size = (int)pow(deltaRank,k); + int* Rank = (int*)malloc(Size*k*sizeof(int)); +for (int r=0; r<k; r++) +{ //On veut le tableau de toutes les combinaisons de rangs possibles //Dans la première colonne : on répète (rangmax-rangmin)^(k-1) chaque chiffre : ca remplit la colonne //Dans la deuxieme : on répète (rangmax-rangmin)^(k-2) chaque chiffre, et on fait ca (rangmax-rangmin)^2 fois //... //Dans la dernière, on répète chaque chiffre une fois, et on fait ca (rangmin-rangmax)^(k-1) fois. - Int indexInRank = 0; - Int value = 0; + int indexInRank = 0; + int value = 0; while (indexInRank < Size) { - for (Int u=0; u<pow(deltaRank,k-r-1); u++) - Rank[(indexInRank++)*k+r] = rangmin + value; + for (int u=0; u<pow(deltaRank,k-r-1); u++) + Rank[mi(indexInRank++,r,Size,k)] = rangmin + value; value = (value+1) % deltaRank; } } - + //Initialize phi to zero, because unactive variables won't be assigned - for (mwSize i=0; i<p*m*k*L*Size; i++) + for (int i=0; i<p*m*k*L*Size; i++) phi[i] = 0.0; - + //initiate parallel section - mwSize lambdaIndex; + int lambdaIndex; omp_set_num_threads(OMP_NUM_THREADS); #pragma omp parallel default(shared) private(lambdaIndex) { @@ -61,42 +61,42 @@ void constructionModelesLassoRank( for (lambdaIndex=0; lambdaIndex<L; lambdaIndex++) { //On ne garde que les colonnes actives : active sera l'ensemble des variables informatives - Int* active = (Int*)malloc(p*sizeof(Int)); - mwSize longueurActive = 0; - for (Int j=0; j<p; j++) + int* active = (int*)malloc(p*sizeof(int)); + int longueurActive = 0; + for (int j=0; j<p; j++) { - if (A1[j*L+lambdaIndex] != 0) - active[longueurActive++] = A1[j*L+lambdaIndex] - 1; + if (A1[mi(j,lambdaIndex,p,L)] != 0) + active[longueurActive++] = A1[mi(j,lambdaIndex,p,L)] - 1; } - + if (longueurActive == 0) continue; - + //from now on, longueurActive > 0 - Real* phiLambda = (Real*)malloc(longueurActive*m*k*sizeof(Real)); - Real LLF; - for (Int j=0; j<Size; j++) + double* phiLambda = (double*)malloc(longueurActive*m*k*sizeof(double)); + double LLF; + for (int j=0; j<Size; j++) { //[phiLambda,LLF] = EMGrank(Pi(:,lambdaIndex),Rho(:,:,:,lambdaIndex),mini,maxi,X(:,active),Y,tau,Rank(j,:)); - Int* rank = (Int*)malloc(k*sizeof(Int)); - for (mwSize r=0; r<k; r++) - rank[r] = Rank[j*k+r]; - Real* Xactive = (Real*)malloc(n*longueurActive*sizeof(Real)); - for (mwSize i=0; i<n; i++) + int* rank = (int*)malloc(k*sizeof(int)); + for (int r=0; r<k; r++) + rank[r] = Rank[mi(j,r,Size,k)]; + double* Xactive = (double*)malloc(n*longueurActive*sizeof(double)); + for (int i=0; i<n; i++) { - for (mwSize jj=0; jj<longueurActive; jj++) - Xactive[i*longueurActive+jj] = X[i*p+active[jj]]; + for (int jj=0; jj<longueurActive; jj++) + Xactive[mi(i,jj,n,longueurActive)] = X[mi(i,active[jj],n,p)]; } - Real* PiLambda = (Real*)malloc(k*sizeof(Real)); - for (mwSize r=0; r<k; r++) - PiLambda[r] = Pi[r*L+lambdaIndex]; - Real* RhoLambda = (Real*)malloc(m*m*k*sizeof(Real)); - for (mwSize u=0; u<m; u++) + double* PiLambda = (double*)malloc(k*sizeof(double)); + for (int r=0; r<k; r++) + PiLambda[r] = Pi[mi(r,lambdaIndex,k,L)]; + double* RhoLambda = (double*)malloc(m*m*k*sizeof(double)); + for (int u=0; u<m; u++) { - for (mwSize v=0; v<m; v++) + for (int v=0; v<m; v++) { - for (mwSize r=0; r<k; r++) - RhoLambda[u*m*k+v*k+r] = Rho[u*m*k*L+v*k*L+r*L+lambdaIndex]; + for (int r=0; r<k; r++) + RhoLambda[ai(uu,v,r,m,m,k)] = Rho[ai4(u,v,r,lambdaIndex,m,m,k,L)]; } } EMGrank(PiLambda,RhoLambda,mini,maxi,Xactive,Y,tau,rank, @@ -107,19 +107,19 @@ void constructionModelesLassoRank( free(PiLambda); free(RhoLambda); //lvraisemblance((lambdaIndex-1)*Size+j,:) = [LLF, dot(Rank(j,:), length(active)-Rank(j,:)+m)]; - lvraisemblance[(lambdaIndex*Size+j)*2] = LLF; + lvraisemblance[mi(lambdaIndex*Size+j,0,L*Size,2)] = LLF; //dot(Rank(j,:), length(active)-Rank(j,:)+m) - Real dotProduct = 0.0; - for (mwSize r=0; r<k; r++) - dotProduct += Rank[j*k+r] * (longueurActive-Rank[j*k+r]+m); - lvraisemblance[(lambdaIndex*Size+j)*2+1] = dotProduct; + double dotProduct = 0.0; + for (int r=0; r<k; r++) + dotProduct += Rank[mi(j,r,Size,k)] * (longueurActive-Rank[mi(j,r,Size,k)]+m); + lvraisemblance[mi(lambdaIndex*Size+j,1,Size*L,2)] = dotProduct; //phi(active,:,:,(lambdaIndex-1)*Size+j) = phiLambda; - for (mwSize jj=0; jj<longueurActive; jj++) + for (int jj=0; jj<longueurActive; jj++) { - for (mwSize mm=0; mm<m; mm++) + for (int mm=0; mm<m; mm++) { - for (mwSize r=0; r<k; r++) - phi[active[jj]*m*k*L*Size+mm*k*L*Size+r*L*Size+(lambdaIndex*Size+j)] = phiLambda[jj*m*k+mm*k+r]; + for (int r=0; r<k; r++) + phi[ai5(active[jj],mm,r,lambdaIndex,j,p,m,k,L,Size)] = phiLambda[jj*m*k+mm*k+r]; } } }