使用扩展卡尔曼滤波训练的神经网络matlab代码

function [thetaPe]=nnekf（thetaPxyQR）
% NNEKF     A function using the EKF to training a MLP NN
% [thetaPz]=nnekf（thetaPxyQR） searches the optimal parameters theta 
% of  a MLP NN based on a set of training data with input x and output y.
% Input:
%   theta: initial guess of MLP NN parameter. The network structure is
%   determined by the number of parameters ns the number of inputs （size of
%   x）nx and the number of output （size of y） ny. The euqation of the NN
%   is: y = W2 * tanh（ W1 * x + b1） + b2 and theta = [W1（:）;b1;W2（:）;b2].
%   Therefore ns = nx * nh + nh + nh * ny + ny which gives the number of
%   hidden nodes is nh = （ns - ny） / （nx + ny + 1）;
%   P: the covariance of the initial theta. Needs to be tuned to get good
%   training performance.
%   x and y: input and output data for training. For batch training x and
%   y should be arranged in such a way that each observation corresponds to 
%   a column.
%   Q: the virtual process covariance for theta normally set to very small
%   values.
%   R: the measurement covariance dependen on the noise level of data tunable. 
%
% Example: a NN model to approximate the sin function
% rand（‘state‘0）
% N=20;
% Ns=100;
% x=1.2*randn（NNs）;
% y=sin（x）+0.1*randn（NNs）;
% z=y;
% nh=4;
% ns=nh*2+nh+1;
% theta=randn（ns1）;
% P=diag（[100*ones（1nh*2） 10000*ones（1nh+1）]）;
% Q=0.0