Move freeVars stuff out of omxState
[openmx:openmx.git] / src / omxMLFitFunction.cpp
1  /*
2  *  Copyright 2007-2013 The OpenMx Project
3  *
4  *  Licensed under the Apache License, Version 2.0 (the "License");
5  *  you may not use this file except in compliance with the License.
6  *  You may obtain a copy of the License at
7  *
8  *       http://www.apache.org/licenses/LICENSE-2.0
9  *
10  *   Unless required by applicable law or agreed to in writing, software
11  *   distributed under the License is distributed on an "AS IS" BASIS,
12  *   WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
13  *  See the License for the specific language governing permissions and
14  *  limitations under the License.
15  */
16
17 #include <R.h>
18 #include <Rinternals.h>
19 #include <Rdefines.h>
20 #include <R_ext/Rdynload.h>
21 #include <R_ext/BLAS.h>
22 #include <R_ext/Lapack.h>
23 #include "omxAlgebraFunctions.h"
24 #include "omxExpectation.h"
25 #include "omxMLFitFunction.h"
26 #include "omxFIMLFitFunction.h"
27 #include "omxRAMExpectation.h"
28
29 void omxDestroyMLFitFunction(omxFitFunction *oo) {
30
31         if(OMX_DEBUG) {mxLog("Freeing ML Fit Function.");}
32         omxMLFitFunction* omlo = ((omxMLFitFunction*)oo->argStruct);
33
34         if(omlo->localCov != NULL)      omxFreeMatrixData(omlo->localCov);
35         if(omlo->localProd != NULL)     omxFreeMatrixData(omlo->localProd);
36         if(omlo->P != NULL)                     omxFreeMatrixData(omlo->P);
37         if(omlo->C != NULL)                     omxFreeMatrixData(omlo->C);
38         if(omlo->I != NULL)                     omxFreeMatrixData(omlo->I);
39 }
40
41 omxRListElement* omxSetFinalReturnsMLFitFunction(omxFitFunction *oo, int *numReturns) {
42         *numReturns = 3;
43         omxRListElement* retVal = (omxRListElement*) R_alloc(*numReturns, sizeof(omxRListElement));
44         double det = 0.0;
45         omxMatrix* cov = ((omxMLFitFunction*)oo->argStruct)->observedCov;
46         int ncols = ((omxMLFitFunction*)oo->argStruct)->observedCov->cols;
47     
48         retVal[0].numValues = 1;
49         retVal[0].values = (double*) R_alloc(1, sizeof(double));
50         strncpy(retVal[0].label, "Minus2LogLikelihood", 20);
51         retVal[0].values[0] = omxMatrixElement(oo->matrix, 0, 0);
52
53         retVal[1].numValues = 1;
54         retVal[1].values = (double*) R_alloc(1, sizeof(double));
55         strncpy(retVal[1].label, "SaturatedLikelihood", 20);
56         retVal[1].values[0] = (((omxMLFitFunction*)oo->argStruct)->logDetObserved + ncols) * (((omxMLFitFunction*)oo->argStruct)->n - 1);
57
58         retVal[2].numValues = 1;
59         retVal[2].values = (double*) R_alloc(1, sizeof(double));
60         strncpy(retVal[2].label, "IndependenceLikelihood", 23);
61         // Independence model assumes all-zero manifest covariances.
62         // (det(expected) + tr(observed * expected^-1)) * (n - 1);
63         // expected is the diagonal of the observed.  Inverse expected is 1/each diagonal value.
64         // Therefore the diagonal elements of observed * expected^-1 are each 1.
65         // So the trace of the matrix is the same as the number of columns.
66         // The determinant of a diagonal matrix is the product of the diagonal elements.
67         // Since these are the same in the expected as in the observed, we can get 'em direct.
68         for(int i = 0; i < ncols; i++) {
69                 // We sum logs instead of logging the product.
70                 det += log(omxMatrixElement(cov, i, i));
71         }
72         if(OMX_DEBUG) { mxLog("det: %f, tr: %f, n= %d, total:%f", det, ncols, ((omxMLFitFunction*)oo->argStruct)->n, (ncols + det) * (((omxMLFitFunction*)oo->argStruct)->n - 1)); }
73         if(OMX_DEBUG) { omxPrint(cov, "Observed:"); }
74         retVal[2].values[0] = (ncols + det) * (((omxMLFitFunction*)oo->argStruct)->n - 1);
75
76         return retVal;
77 }
78
79 static void omxCallMLFitFunction(omxFitFunction *oo, int want, double *gradient) {      // TODO: Figure out how to give access to other per-iteration structures.
80
81         if(OMX_DEBUG) { mxLog("Beginning ML Evaluation.");}
82         // Requires: Data, means, covariances.
83
84         double sum = 0.0, det = 0.0;
85         char u = 'U';
86         char r = 'R';
87         int info = 0;
88         double oned = 1.0;
89         double zerod = 0.0;
90         double minusoned = -1.0;
91         int onei = 1;
92         double fmean = 0.0;
93
94         omxMatrix *scov, *smeans, *cov, *means, *localCov, *localProd, *P, *C;
95
96         omxMLFitFunction *omo = ((omxMLFitFunction*)oo->argStruct);
97         
98     /* Locals for readability.  Compiler should cut through this. */
99         scov            = omo->observedCov;
100         smeans          = omo->observedMeans;
101         cov                     = omo->expectedCov;
102         means           = omo->expectedMeans;
103         localCov        = omo->localCov;
104         localProd       = omo->localProd;
105         P                       = omo->P;
106         C                       = omo->C;
107         double n        = omo->n;
108         double Q        = omo->logDetObserved;
109         omxExpectation* expectation = oo->expectation;
110
111     /* Recompute and recopy */
112         omxExpectationCompute(expectation);
113
114         omxCopyMatrix(localCov, cov);                           // But expected cov is destroyed in inversion
115
116         if(OMX_DEBUG_ALGEBRA) {
117                 omxPrint(scov, "Observed Covariance is");
118                 omxPrint(localCov, "Implied Covariance Is");
119                 omxPrint(cov, "Original Covariance Is");
120         }
121
122         /* Calculate |expected| */
123
124 //      F77_CALL(dgetrf)(&(localCov->cols), &(localCov->rows), localCov->data, &(localCov->cols), ipiv, &info);
125         F77_CALL(dpotrf)(&u, &(localCov->cols), localCov->data, &(localCov->cols), &info);
126
127         if(OMX_DEBUG_ALGEBRA) { mxLog("Info on LU Decomp: %d", info);}
128         if(info > 0) {
129                 omxRaiseErrorf(oo->matrix->currentState,
130                                "Expected covariance matrix is non-positive-definite after %d evaluations",
131                                oo->matrix->currentState->computeCount);
132                 return;
133         }
134
135         //det = log(det)        // TVO: changed multiplication of det to first log and the summing up; this line should just set det to zero.
136         for(info = 0; info < localCov->cols; info++) {          // |cov| is the square of the product of the diagonal elements of U from the LU factorization.
137                 det += log(fabs(localCov->data[info+localCov->rows*info])); // TVO: changed * to + and added fabs command
138         }
139         det *= 2.0;             // TVO: instead of det *= det;
140
141         if(OMX_DEBUG_ALGEBRA) { mxLog("Determinant of Expected Cov: %f", exp(det)); }
142         // TVO: removed det = log(fabs(det))
143         if(OMX_DEBUG_ALGEBRA) { mxLog("Log of Determinant of Expected Cov: %f", det); }
144
145         /* Calculate Expected^(-1) */
146 //      F77_CALL(dgetri)(&(localCov->rows), localCov->data, &(localCov->cols), ipiv, work, lwork, &info);
147         F77_CALL(dpotri)(&u, &(localCov->rows), localCov->data, &(localCov->cols), &info);
148         if(OMX_DEBUG_ALGEBRA) { mxLog("Info on Invert: %d", info); }
149
150         if(OMX_DEBUG_ALGEBRA) {omxPrint(cov, "Expected Covariance Matrix:");}
151         if(OMX_DEBUG_ALGEBRA) {omxPrint(localCov, "Inverted Matrix:");}
152
153         /* Calculate C = Observed * expected^(-1) */
154
155         if(OMX_DEBUG_ALGEBRA) {mxLog("Call is: DSYMM(%d, %d, %f, %0x, %d, %0x, %d, %f, %0x, %d)",
156                                         (scov->rows), (localCov->cols), oned, scov->data, (localCov->leading),
157                                         localCov->data, (localCov->leading), zerod, localProd->data, (localProd->leading));}
158
159
160         // Stop gcc from issuing a warning
161         int majority = *(scov->majority) == 'n' ? scov->rows : scov->cols;
162
163         /*  TODO:  Make sure leading edges are being appropriately calculated, and sub them back into this */
164         F77_CALL(dsymm)(&r, &u, &(localCov->rows), &(scov->cols),
165                                         &oned, localCov->data, &(majority),
166                                         scov->data, &(majority),
167                                         &zerod, localProd->data, &(localProd->leading));
168
169     /* And get the trace of the result */
170
171         for(info = 0; info < localCov->cols; info++) {
172                 sum += localProd->data[info*localCov->cols + info];
173         }
174
175 //      for(info = 0; info < (localCov->cols * localCov->rows); info++) {
176 //              sum += localCov->data[info] * scov->data[info];
177 //      }
178
179         if(OMX_DEBUG_ALGEBRA) {omxPrint(scov, "Observed Covariance Matrix:");}
180         if(OMX_DEBUG_ALGEBRA) {omxPrint(localCov, "Inverse Matrix:");}
181         if(OMX_DEBUG_ALGEBRA) {omxPrint(localProd, "Product Matrix:");}
182
183         if(means != NULL) {
184                 if(OMX_DEBUG_ALGEBRA) { mxLog("Means Likelihood Calculation"); }
185                 omxRecompute(means);
186                 omxCopyMatrix(P, means);
187                 // P = means - smeans
188                 if(OMX_DEBUG_ALGEBRA) {omxPrint(means, "means");}
189                 if(OMX_DEBUG_ALGEBRA) {omxPrint(smeans, "smeans");}
190                 F77_CALL(daxpy)(&(smeans->cols), &minusoned, smeans->data, &onei, P->data, &onei);
191                 if(OMX_DEBUG_ALGEBRA) {omxPrint(P, "means - smeans");}
192                 // C = P * Cov
193                 F77_CALL(dsymv)(&u, &(localCov->rows), &oned, localCov->data, &(localCov->leading), P->data, &onei, &zerod, C->data, &onei);
194                 // P = C * P'
195                 fmean = F77_CALL(ddot)(&(C->cols), P->data, &onei, C->data, &onei);
196
197                 if(OMX_DEBUG_ALGEBRA) { mxLog("Mean contribution to likelihood is %f per row.", fmean); }
198                 if(fmean < 0.0) fmean = 0.0;
199         }
200
201         oo->matrix->data[0] = (sum + det) * (n - 1) + fmean * (n);
202
203         if(OMX_DEBUG) { mxLog("MLFitFunction value comes to: %f (Chisq: %f).", oo->matrix->data[0], (sum + det) - Q - cov->cols); }
204
205 }
206
207 void omxPopulateMLAttributes(omxFitFunction *oo, SEXP algebra) {
208     if(OMX_DEBUG) { mxLog("Populating ML Attributes."); }
209
210         omxMLFitFunction *argStruct = ((omxMLFitFunction*)oo->argStruct);
211         omxMatrix *expCovInt = argStruct->expectedCov;                  // Expected covariance
212         omxMatrix *expMeanInt = argStruct->expectedMeans;                       // Expected means
213
214         SEXP expCovExt, expMeanExt, gradients;
215         PROTECT(expCovExt = allocMatrix(REALSXP, expCovInt->rows, expCovInt->cols));
216         for(int row = 0; row < expCovInt->rows; row++)
217                 for(int col = 0; col < expCovInt->cols; col++)
218                         REAL(expCovExt)[col * expCovInt->rows + row] =
219                                 omxMatrixElement(expCovInt, row, col);
220
221         if (expMeanInt != NULL) {
222                 PROTECT(expMeanExt = allocMatrix(REALSXP, expMeanInt->rows, expMeanInt->cols));
223                 for(int row = 0; row < expMeanInt->rows; row++)
224                         for(int col = 0; col < expMeanInt->cols; col++)
225                                 REAL(expMeanExt)[col * expMeanInt->rows + row] =
226                                         omxMatrixElement(expMeanInt, row, col);
227         } else {
228                 PROTECT(expMeanExt = allocMatrix(REALSXP, 0, 0));               
229         }   
230
231         if (0) {  // TODO, fix for new gradient internal API
232                 int nLocs = Global.numFreeParams;
233                 double gradient[Global.numFreeParams];
234                 for(int loc = 0; loc < nLocs; loc++) {
235                         gradient[loc] = NA_REAL;
236                 }
237                 //oo->gradientFun(oo, gradient);
238                 PROTECT(gradients = allocMatrix(REALSXP, 1, nLocs));
239
240                 for(int loc = 0; loc < nLocs; loc++)
241                         REAL(gradients)[loc] = gradient[loc];
242         } else {
243                 PROTECT(gradients = allocMatrix(REALSXP, 0, 0));
244         }
245     
246         setAttrib(algebra, install("expCov"), expCovExt);
247         setAttrib(algebra, install("expMean"), expMeanExt);
248         setAttrib(algebra, install("gradients"), gradients);
249         
250         UNPROTECT(3);
251
252 }
253
254 void omxSetMLFitFunctionCalls(omxFitFunction* oo) {
255         
256         /* Set FitFunction Calls to ML FitFunction Calls */
257         oo->fitType = "omxMLFitFunction";
258         oo->computeFun = omxCallMLFitFunction;
259         oo->destructFun = omxDestroyMLFitFunction;
260         oo->setFinalReturns = omxSetFinalReturnsMLFitFunction;
261         oo->populateAttrFun = omxPopulateMLAttributes;
262         oo->repopulateFun = handleFreeVarList;
263 }
264
265
266 void omxInitMLFitFunction(omxFitFunction* oo) {
267
268         if(OMX_DEBUG) { mxLog("Initializing ML fit function."); }
269
270         int info = 0;
271         double det = 1.0;
272         char u = 'U';
273         SEXP rObj = oo->rObj;
274         
275         /* Read and set expectation */
276         omxSetMLFitFunctionCalls(oo);
277
278         if (!oo->expectation) { error("%s requires an expectation", oo->fitType); }
279
280         omxData* dataMat = oo->expectation->data;
281
282         if(!(dataMat == NULL) && strncmp(omxDataType(dataMat), "cov", 3) != 0 && strncmp(omxDataType(dataMat), "cor", 3) != 0) {
283                 if(strncmp(omxDataType(dataMat), "raw", 3) == 0) {
284                         if(OMX_DEBUG) { mxLog("Raw Data: Converting to FIML."); }
285                         omxInitFIMLFitFunction(oo, rObj);
286                         return;
287                 }
288                 char *errstr = (char*) calloc(250, sizeof(char));
289                 sprintf(errstr, "ML FitFunction unable to handle data type %s.\n", omxDataType(dataMat));
290                 omxRaiseError(oo->matrix->currentState, -1, errstr);
291                 free(errstr);
292                 if(OMX_DEBUG) { mxLog("ML FitFunction unable to handle data type %s.  Aborting.", omxDataType(dataMat)); }
293                 return;
294         }
295
296         omxMLFitFunction *newObj = (omxMLFitFunction*) R_alloc(1, sizeof(omxMLFitFunction));
297
298         if(OMX_DEBUG) { mxLog("Processing Observed Covariance."); }
299         newObj->observedCov = omxDataMatrix(dataMat, NULL);
300         if(OMX_DEBUG) { mxLog("Processing Observed Means."); }
301         newObj->observedMeans = omxDataMeans(dataMat, NULL, NULL);
302         if(OMX_DEBUG && newObj->observedMeans == NULL) { mxLog("ML: No Observed Means."); }
303         if(OMX_DEBUG) { mxLog("Processing n."); }
304         newObj->n = omxDataNumObs(dataMat);
305
306         newObj->expectedCov = omxGetExpectationComponent(oo->expectation, oo, "cov");
307         newObj->expectedMeans = omxGetExpectationComponent(oo->expectation, oo, "means");
308
309         if(newObj->expectedCov == NULL) {
310                 omxRaiseError(oo->matrix->currentState, OMX_DEVELOPER_ERROR,
311                         "Developer Error in ML-based fit function object: ML's expectation must specify a model-implied covariance matrix.\nIf you are not developing a new expectation type, you should probably post this to the OpenMx forums.");
312                 return;
313         }
314
315         // Error Checking: Observed/Expected means must agree.  
316         // ^ is XOR: true when one is false and the other is not.
317         if((newObj->expectedMeans == NULL) ^ (newObj->observedMeans == NULL)) {
318                 if(newObj->expectedMeans != NULL) {
319                         omxRaiseError(oo->matrix->currentState, OMX_ERROR,
320                                 "Observed means not detected, but an expected means matrix was specified.\n  If you provide observed means, you must specify a model for the means.\n");
321                         return;
322                 } else {
323                         omxRaiseError(oo->matrix->currentState, OMX_ERROR,
324                                 "Observed means were provided, but an expected means matrix was not specified.\n  If you  wish to model the means, you must provide observed means.\n");
325                         return;         
326                 }
327         }
328
329         /* Temporary storage for calculation */
330         int rows = newObj->observedCov->rows;
331         int cols = newObj->observedCov->cols;
332         newObj->localCov = omxInitMatrix(NULL, rows, cols, TRUE, oo->matrix->currentState);
333         newObj->localProd = omxInitMatrix(NULL, rows, cols, TRUE, oo->matrix->currentState);
334         newObj->P = omxInitMatrix(NULL, 1, cols, TRUE, oo->matrix->currentState);
335         newObj->C = omxInitMatrix(NULL, rows, cols, TRUE, oo->matrix->currentState);
336         newObj->I = omxInitMatrix(NULL, rows, cols, TRUE, oo->matrix->currentState);
337
338         for(int i = 0; i < rows; i++) omxSetMatrixElement(newObj->I, i, i, 1.0);
339
340         omxCopyMatrix(newObj->localCov, newObj->observedCov);
341
342         newObj->lwork = newObj->expectedCov->rows;
343         newObj->work = (double*)R_alloc(newObj->lwork, sizeof(double));
344
345         // TODO: Determine where the saturated model computation should go.
346
347         F77_CALL(dpotrf)(&u, &(newObj->localCov->cols), newObj->localCov->data, &(newObj->localCov->cols), &info);
348
349         if(OMX_DEBUG) { mxLog("Info on LU Decomp: %d", info); }
350         if(info != 0) {
351                 char *errstr = (char*) calloc(250, sizeof(char));
352                 sprintf(errstr, "Observed Covariance Matrix is non-positive-definite.\n");
353                 omxRaiseError(oo->matrix->currentState, -1, errstr);
354                 free(errstr);
355                 return;
356         }
357         for(info = 0; info < newObj->localCov->cols; info++) {
358                 det *= omxMatrixElement(newObj->localCov, info, info);
359         }
360         det *= det;                                     // Product of squares.
361
362         if(OMX_DEBUG) { mxLog("Determinant of Observed Cov: %f", det); }
363         newObj->logDetObserved = log(det);
364         if(OMX_DEBUG) { mxLog("Log Determinant of Observed Cov: %f", newObj->logDetObserved); }
365
366         omxCopyMatrix(newObj->localCov, newObj->expectedCov);
367     oo->argStruct = (void*)newObj;
368
369 }
370
371 void omxSetMLFitFunctionGradient(omxFitFunction* oo, void (*derivativeFun)(omxFitFunction*, double*)) {
372     if(strncmp("omxMLFitFunction", oo->fitType, 16)) {
373         char errorstr[250];
374         sprintf(errorstr, "PROGRAMMER ERROR: Using vanilla-ML gradient with FitFunction of type %s", oo->fitType);
375         omxRaiseError(oo->matrix->currentState, -2, errorstr);
376         return;
377     }
378     
379     if(derivativeFun == NULL) {
380         char errorstr[250];
381         sprintf(errorstr, "Programmer error: ML gradient given NULL gradient function.");
382         omxRaiseError(oo->matrix->currentState, -2, errorstr);
383         return;
384     }
385     
386     //oo->gradientFun = derivativeFun; TODO
387 }
388
389 void omxSetMLFitFunctionGradientComponents(omxFitFunction* oo, void (*derivativeFun)(omxFitFunction*, omxMatrix**, omxMatrix**, int*)) {
390     if(OMX_DEBUG) { mxLog("Setting up gradient component function for ML FitFunction."); }
391     if(!strncmp("omxFIMLFitFunction", oo->fitType, 16)) {
392         if(OMX_DEBUG) { mxLog("FIML FitFunction gradients not yet implemented. Skipping."); }
393         return; // ERROR:NYI.
394     }
395     
396     if(derivativeFun == NULL) {
397         char errorstr[250];
398         sprintf(errorstr, "Programmer error: ML gradient components given NULL gradient function.");
399         omxRaiseError(oo->matrix->currentState, -2, errorstr);
400         return;
401     }
402     
403     omxMLFitFunction *omo = ((omxMLFitFunction*) oo->argStruct);
404     int rows = omo->observedCov->rows;
405     int cols = omo->observedCov->cols;
406     int nFreeVars = Global.numFreeParams;
407             
408     omo->derivativeFun = derivativeFun;
409     omo->X  = omxInitMatrix(NULL, rows, cols, TRUE, oo->matrix->currentState);
410     omo->Y  = omxInitMatrix(NULL, rows, cols, TRUE, oo->matrix->currentState);
411     omo->Ms = omxInitMatrix(NULL, 1, cols, TRUE, oo->matrix->currentState);
412     omo->Mu = omxInitMatrix(NULL, 1, cols, TRUE, oo->matrix->currentState);
413     omo->dSigma = (omxMatrix**) R_alloc(nFreeVars, sizeof(omxMatrix*));
414     omo->dMu = (omxMatrix**) R_alloc(nFreeVars, sizeof(omxMatrix*));
415     for(int i = 0; i < nFreeVars; i++) {
416         omo->dSigma[i] = omxInitMatrix(NULL, rows, cols, TRUE, oo->matrix->currentState);
417         omo->dMu[i] = omxInitMatrix(NULL, rows, 1, TRUE, oo->matrix->currentState);
418     }
419     //oo->gradientFun = omxCalculateMLGradient; TODO
420 }
421
422 void omxCalculateMLGradient(omxFitFunction* oo, double* gradient) {
423
424     if(OMX_DEBUG) { mxLog("Beginning ML Gradient Calculation."); }
425     // mxLog("Beginning ML Gradient Calculation, Iteration %d.%d (%d)\n", 
426         // oo->matrix->currentState->majorIteration, oo->matrix->currentState->minorIteration,
427         // oo->matrix->currentState->computeCount); //:::DEBUG:::
428     // 1) Calculate current Expected Covariance
429     // 2) Calculate eCov, the Inverse Expected Covariance matrix 
430     // 3) Calculate C = I - eCov D, where D is the observed covariance matrix
431     // 4) Calculate b = M - [observed M]
432     // 5) For each location in locs:
433     //   gradient[loc] = tr(eCov^-1 %*% dEdt %*% C) - (b^T %*% eCov^-1 %*% dEdt + 2 dMdt^T))eCov^-1 b)
434
435     omxMLFitFunction *omo = ((omxMLFitFunction*)oo->argStruct);
436     
437     /* Locals for readability.  Compiler should cut through this. */
438     omxMatrix *scov         = omo->observedCov;
439     omxMatrix *smeans       = omo->observedMeans;
440     omxMatrix *cov          = omo->expectedCov;
441     omxMatrix *M            = omo->expectedMeans;
442     omxMatrix *eCov         = omo->localCov;        // TODO: Maybe need to avoid reusing these
443     omxMatrix *I            = omo->I;
444     omxMatrix *C            = omo->C;
445     omxMatrix *X            = omo->X;
446     omxMatrix *Y            = omo->Y;
447     omxMatrix *Mu           = omo->Mu;
448     omxMatrix *Ms           = omo->Ms;
449     omxMatrix *P            = omo->P;
450     double n                = omo->n;
451     omxMatrix** dSigmas     = omo->dSigma;
452     omxMatrix** dMus        = omo->dMu;
453     
454     int gradientSize = Global.numFreeParams;
455     
456     char u = 'U';
457     int info;
458     double minusoned = -1.0;
459     int onei = 1;
460     int status[gradientSize];
461     int nLocs = Global.numFreeParams;
462     
463     // Calculate current FitFunction values
464     // We can safely assume this has been done
465     // omxFitFunctionCompute(oo);
466     
467     // Calculate current eCov
468     
469     omxCopyMatrix(eCov, cov);                           // But expected cov is destroyed in inversion
470     
471     F77_CALL(dpotrf)(&u, &(eCov->cols), eCov->data, &(eCov->cols), &info);
472
473     if(OMX_DEBUG_ALGEBRA) { mxLog("Info on LU Decomp: %d", info);}
474     if(info > 0) {
475             char *errstr = (char*) calloc(250, sizeof(char));
476         sprintf(errstr, "Expected covariance matrix is non-positive-definite");
477         if(oo->matrix->currentState->computeCount <= 0) {
478             strncat(errstr, " at starting values", 20);
479         }
480         strncat(errstr, ".\n", 3);
481         omxRaiseError(oo->matrix->currentState, -1, errstr);                        // Raise error
482         free(errstr);
483         return;                                                                     // Leave output untouched
484     }
485     
486     F77_CALL(dpotri)(&u, &(eCov->rows), eCov->data, &(eCov->cols), &info);
487     if(info > 0) {
488             char *errstr = (char*) calloc(250, sizeof(char));
489         sprintf(errstr, "Expected covariance matrix is not invertible");
490         if(oo->matrix->currentState->computeCount <= 0) {
491             strncat(errstr, " at starting values", 20);
492         }
493         strncat(errstr, ".\n", 3);
494         omxRaiseError(oo->matrix->currentState, -1, errstr);                        // Raise error
495         free(errstr);
496         return;
497     }
498     // Calculate P = expected means - observed means
499     if(M != NULL) {
500         omxCopyMatrix(P, smeans);
501         F77_CALL(daxpy)(&(smeans->cols), &minusoned, M->data, &onei, P->data, &onei);
502     }
503         
504         // Reset C and Calculate C = I - eCov * oCov
505     omxCopyMatrix(C, I);
506     omxDSYMM(TRUE, -1.0, eCov, scov, 1.0, C);
507     
508     // For means, calculate Ms = eCov-1 %*% P
509     if(M != NULL)
510         omxDSYMM(FALSE, 1.0, eCov, P, 0.0, Ms);
511     
512     // Calculate parameter-level derivatives
513     // TODO: Parallelize Here.
514
515     if(OMX_DEBUG)  { mxLog("Calling component function."); }
516     omo->derivativeFun(oo, dSigmas, dMus, status);
517     
518     for(int currentLoc = 0; currentLoc < nLocs; currentLoc++) {
519         double meanInfluence, covInfluence;
520         if(status[currentLoc] < 0) continue;  // Failure in computation--skip.
521         //   gradient[loc] = tr(eCov^-1 %*% dEdt %*% C) - 
522         //    (b^T %*% eCov^-1 %*% dEdt + 2 dMdt^T))eCov^-1 b)
523         // omxDGEMM(FALSE, FALSE, 1.0, dSigmas[currentLoc], C, 0.0, Y);
524         omxDSYMM(TRUE, 1.0, dSigmas[currentLoc], C, 0.0, Y);
525         omxDSYMM(TRUE, 1.0, eCov, Y, 0.0, X);
526         gradient[currentLoc] = 0;
527         covInfluence = 0.0;
528         for(int i = 0; i < eCov->cols; i++) 
529             covInfluence += omxMatrixElement(X, i, i);
530         if(M != NULL) {
531             omxCopyMatrix(Mu, dMus[currentLoc]);
532             omxDSYMV(1.0, dSigmas[currentLoc], Ms, 2.0, Mu);
533             meanInfluence = F77_CALL(ddot)(&(eCov->cols), Mu->data, &onei, Ms->data, &onei);
534         } else {
535             meanInfluence = 0;
536         }
537         gradient[currentLoc] = (covInfluence * (n-1)) - (meanInfluence * n);
538         if(OMX_DEBUG) { 
539             mxLog("Calculation for Gradient value %d: Cov: %3.9f, Mean: %3.9f, total: %3.9f",
540             currentLoc, covInfluence, meanInfluence, gradient[currentLoc]); 
541         }
542     }
543 }