--- a/transformations/DistorsionGauss.py	Wed Feb 10 14:24:35 2010 -0500
+++ b/transformations/DistorsionGauss.py	Wed Feb 10 14:42:40 2010 -0500
@@ -18,6 +18,9 @@
         self.ecart_type=0.1 #L'ecart type de la gaussienne
         
     def get_settings_names(self):
+        return []
+    
+    def get_settings_name_determined_by_complexity(self):
         return ['ecart_type']
 
     def regenerate_parameters(self, complexity):
@@ -37,11 +40,16 @@
             aleatoire[i]=float(random.gauss(0,self.ecart_type))
         image=image+aleatoire
         
-        #Ramener tout entre 0 et 1
-        if numpy.min(image) < 0:
-            image-=numpy.min(image)
-        if numpy.max(image) > 1:
-            image/=numpy.max(image)
+        
+        #Ramener tout entre 0 et 1. Ancienne facon de normaliser.
+        #Resultats moins interessant je trouve.
+##        if numpy.min(image) < 0:
+##            image-=numpy.min(image)
+##        if numpy.max(image) > 1:
+##            image/=numpy.max(image)
+            
+        for i in xrange(0,1024):
+            image[i]=min(1,max(0,image[i]))
             
         return image.reshape(32,32)
 
@@ -72,6 +80,6 @@
     from pylearn.io import filetensor as ft
     import pylab
     for i in xrange(0,5):
-        _test(1)
+        _test(0.5)