用复数RBF网络实现的复函数逼近

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