资源简介
该代码是用复值RBF网络实现复函数的逼近,该RBF网络采用OLS算法选择中心
代码片段和文件信息
clear all; clc;
% % % SamNum = 100;
% % % rand(‘state‘sum(100*clock))
% % % Noise=(0.01+0.01*1j)*rand(1SamNum);
% % % SamIn =0.01*pi:0.02*pi:2*pi;
% % % SamInputData=sin(SamIn).‘+j*sin(SamIn).‘+Noise.‘;
% % % SamOut=SamInputData;
% % %
% % % TestIn =0.01*pi:0.02*pi:2*pi;
% % % TestInputData=sin(TestIn).‘+j*sin(TestIn).‘;
% % % TestOut=TestInputData;
SamNum = 315; % 训练样本数
% 根据目标函数获得训练样本输入输出
rand(‘state‘sum(100*clock))
Noise=(0.01+0.01*1j)*rand(1SamNum);
SamIn =0:0.02:2*pi;
SamInputData=exp(1j*SamIn).‘;
SamOut=1+0.02*exp(1+2*SamInputData).*(1+0.2*SamInputData+SamInputData.^2)+Noise‘;%SamOut形式必须与TestOut相同
% 根据目标函数获得测试样本输入输出
TestSamIn = 0:0.02:2*pi;
TestInputData=exp(1j*TestSamIn).‘;
TestOut =1+0.02*exp(1+2*TestInputData).*(1+0.2*TestInputData+TestInputData.^2);%TestOut形式必须与SamOut相同
[InDimMaxUnitNum]=size(SamIn); %样本输入维数和最大允许隐节点数
d=SamOut‘;%期望输出赋给d
NumSam = size(SamInputData1); %训练样本数
center=SamInputData;
P=[];
%--------求回归矩阵P-----------%
for icenter=1:MaxUnitNum %MaxUnitNum为隐层神经元数
评论
共有 条评论