rbf函数逼近算法

用于函数逼近的rbf的 matlab代码，有 结果图和 实验报告，可运行

function RBF（） 
%%基于梯度法的RBF网设计算法 
tic 
SamNum=100;  %训练样本数 
TargetSamNum=101;  %测试样本数 
UnitNum=10;  %隐节点数 
InDim=1;  %输入样本维数 
MaxEpoch=5000;  %最大训练次数 
E0=0.9;  %目标误差 
  
%根据样本目标函数获得样本输入/输出 
rand（‘state‘sum（100*clock））  %产生均匀分布的随机矩阵，元素0.0－1.0 
NoiseVar=0.1; 
Noise=NoiseVar*randn（1SamNum）;  %产生正态分布的随机矩阵 
SamIn=8*rand（1SamNum）-4; 
SamOutNoise=1.1*（1-SamIn+2*SamIn.^2）.*exp（-SamIn.^2/2）; 
SamOut=SamOutNoise+Noise; 

 
TargetIn=-4:0.08:4; 
TargetOut=1.1*（1-TargetIn+2*TargetIn.^2）.*exp（-TargetIn.^2/2）; 
 
figure 
hold on 
grid 
plot（SamInSamOut‘r+‘） 
plot（TargetInTargetOut‘g-‘） 
xlabel（‘Inputx‘）; 
ylabel（‘Outputy‘）; 
 
Center=8*rand（InDimUnitNum）-4;%中心 
SP=0.2*rand（1UnitNum）+0.1;%扩展常数 
W=0.2*rand（1UnitNum）-0.1;%权值 
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 

%alphacent=0.8;
%alphasp=0.8;
%alphaw=0.8;

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‘1SamNum）; 
    UnitOut=radbas（AllDist./SPMat）;  %radbas是径向基函数 
    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        break; 
    end 
    for i=1:UnitNum     
        CentGrad=（SamIn-repmat（Center（:i）1SamNum））*（Error.*UnitOut（i:）*W（i）/（SP（i）^2））‘;%中心的梯度 
        SPGard=AllDist（i:）.^2*（Error.*UnitOut（i:）*W（i）/（SP（i）^3））‘;%扩展常数的梯度 
        WGard=Error*UnitOut（i:）‘;%权值的梯度 
             
        Center（:i）=Center（:i）+lrCent*CentGrad; 
        SP（i）=SP（i）+lrSP*SPGard; 
        W（i）=W（i）+lrW*WGard;   
    
 %Center（:i）=Center（:i）+lrCent*CentGrad+alphacent*pre_CentGrad; 
 %SP（i）=SP（i）+lrSP*SPGard+alphasp*pre_SPGard; 
 %W（i）=W（i）+lrW*WGard+alphaw*pre_WGard;
         %pre_CentGrad=CentGrad;
         %pre_SPGard=SPGard;
         %pre_WGard=WGard;

    end 
end 
%测试 
TestDistance=dist（Center‘TargetIn）; 
TestSpreadsMat=repmat（SP‘1TargetSamNum）; 
TestHiddenOut=radbas（TestDistance./TestSpreadsMat）; 
TestNNOut=W*TestHiddenOut; 
plot（TargetInTestNNOut‘b-‘） 
toc 
%绘制学习误差曲线 
figure 
hold on 
grid 
[~Num]=size（ErrHistory）; 
plot（1:NumErrHistory‘k-‘）; 
%epoch;
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件      783889  2018-04-20 21:55  RBF\BRF函数逼近.pdf
     文件        2437  2018-04-20 21:49  RBF\RBF.m
     文件      705654  2018-04-20 21:50  RBF\误差.bmp
     文件      705654  2018-04-20 21:50  RBF\逼近.bmp
     目录           0  2018-04-21 23:43  RBF\