rbftidu.m

这是一个用RBF神经网络用梯度算法实现的一个函数逼近源代码

function RBFtidu
SamNum=100;%训练样本数
TargetSamNum=101;%测试样本数
InDim=1;%样本输入维数
UnitNum=10;%隐节点数
MaxEpoch=5000;%最大训练次数
E0=0.9;       %目标误差

%根据目标函数获得样本输入输出
rand('state',sum(100*clock))
NoiseVar=0.1;
Noise=NoiseVar*randn(1,SamNum);
SamIn=8*rand(1,SamNum)-4;
SamOutNoNoise=1.1*(1-SamIn+2*SamIn.^2).*exp(-SamIn.^2/2);
SamOut=SamOutNoNoise+Noise;

TargetIn=-4:0.08:4;
TargetOut=1.1*(1-TargetIn+2*TargetIn.^2).*exp(-TargetIn.^2/2);

figure
hold on
grid
plot(SamIn,SamOutNoNoise,'k+')
plot(SamIn,SamOut,'k+')
plot(TargetIn,TargetOut,'k--')
xlabel('Input x');
ylabel('Output y');
 
Center=8*rand(InDim,UnitNum)-4;
SP=0.2*rand(1,UnitNum)+0.1;
W=0.2*rand(1,UnitNum)-0.1;

lrCent=0.001;%隐节点数据中心学习系数
lrSP=0.001;%隐节点扩展常数学习系数
lrW=0.001;%隐节点输出权值学习系数

ErrHistory=[];%用于记录每次参数调整后的训练误差
for epoch=1:MaxEpoch
    AllDist=dist(Center',SamIn);
    SPMat=repmat(SP',1,SamNum);
    UnitOut=radbas(AllDist./SPMat);
    NetOut=W*UnitOut;
    Error=SamOut-NetOut;
    
    %停止学习判断
    SSE=sumsqr(Error)
    
    %记录每次权值调整后的训练误差
    ErrHistory=[ErrHistory SSE];
    
    if SSE<E0,break,end
    
    for i=1:UnitNum
        CentGrad=(SamIn-repmat(Center(:,i),1,SamNum))*(Error.*UnitOut(i,:)*W(i)/(SP(i)^2))';
        SPGrad=AllDist(i,:).^2*(Error.*UnitOut(i,:)*W(i)/(SP(i)^3))';
        WGrad=Error*UnitOut(i,:)';
        Center(:,i)=Center(:,i)+lrCent*CentGrad;
        SP(i)=SP(i)+lrSP*SPGrad;
        W(i)=W(i)+lrW*WGrad;
    end
end
 %测试
 TestDistance=dist(Center',TargetIn);
 TestSpreadsMat=repmat(SP',1,TargetSamNum);
 TestHiddenUnitOut=radbas(TestDistance./TestSpreadsMat);
 TestNNOut=W*TestHiddenUnitOut;
 plot(TargetIn,TestNNOut,'k-')
 
%绘制学习误差曲线
figure
hold on
grid
[xx,Num]=size(ErrHistory);
plot(1:Num,ErrHistory,'k-');