% CMAC逼近sin(t)函數clear all; close all; clc; t=[0:2*pi/360:2*pi];% 自變量t y=sin(t);%因變量y min_in=min(t);%輸入自變量最小值 max_in=max(t);%輸入自變量最大值 n=numel(t);%自變量的位數 size_n=360;%量化等級，越大精度越高 s=[1:size_n];%S空間，輸入量化后的離散空間 train_num=180;%用于訓練的樣本個數 maxgen=50;%最大迭代次數 mse=zeros(1,maxgen);%均方誤差向量 gen=0;%實際迭代次數 eta=1.0;%學習率η error_goal=0.00001;%誤差精度要求 A_star=6;%每個狀態對應的關聯單元個數 common_unit=5;%相鄰關聯組有相同關聯單元個數 a_num=size_n*A_star-(size_n-1)*common_unit;%關聯單元總數 a=ones(1,a_num);% a 向量 w=zeros(1,a_num);% 權值向量 % 獲取訓練樣本 的輸入和輸出 train_in=zeros(1,train_num);%訓練樣本輸入 train_out=zeros(1,train_num);%訓練樣本輸出 for i=1:train_numtrain_in(i)=t(floor((i-1)*n/train_num+1));train_out(i)=y(floor((i-1)*n/train_num+1)); end % 開始訓練樣本 for i=1:maxgengen=i;for j=1:train_nums_seq=floor((train_in(j)-min_in)/(max_in-min_in)*(size_n-1))+1;%量化空間S的序號w_seq=(s_seq-1)*(A_star-common_unit)+1;%權值序號ye(j)=sum(w(w_seq:w_seq+A_star-1));%實際輸出 for k=w_seq:w_seq+A_star-1 %修正權值w(k)=w(k)+eta*(train_out(j)-ye(j))/A_star;end enderror=0;for j=1:train_numerror=error+(train_out(j)-ye(j))^2;endmse(i)=error;if error<error_goal %誤差達到目標值，退出訓練break;end end %{ %對權值向量進行插值處理 for i=1:a_numif w(i)==0%找到第一個不為零的j=i;while(w(j)==0 && j<a_num)j=j+1;endif j<a_numfor k=i:j-1w(k)=w(j)-(k-i)*(w(j+1)-w(j));endendend end %} %檢驗訓練好的網絡 for i=1:ns_seq=floor((t(i)-min_in)/(max_in-min_in)*(size_n-1))+1;%S序號w_seq=(s_seq-1)*(A_star-common_unit)+1;%權值序號yp(i)=sum(w(w_seq:w_seq+A_star-1)); end% 繪圖 figure(1); plot(t,y,'b',t,yp,'r--','linewidth',2);%原曲線和網絡輸出曲線 title('實際輸出和網絡輸出對比');xlabel('t');ylabel('y-t,yp-t'); figure(2); plot(train_in,train_out,'linewidth',2); title('訓練樣本曲線');xlabel('train_in');ylabel('train_out'); figure(3); plot([1:gen],mse(1:gen),'linewidth',2); title('均方誤差誤差曲線');xlabel('Generation');ylabel('Mean Square Error');

?

?

總結

以上是生活随笔為你收集整理的【CMAC小脑】CMAC逼近sin(t)函数的训练和测试的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。