matlab rbf手写

clc;clear;format long;
trainD=0:0.1:10;
outD=sin(trainD).*trainD;
outD=outD';
dnum=length(trainD);
%初始化参数学习率
lr_w0=0.1;%权值
lr_c0=0.1;%中心点
lr_sigma0=0.1;%神经节点的方差参数
iters=10000;%最大迭代次数
minE=1e-2;%误差小于他就停止
cnum=150;%神经元个数
c=linspace(0,10,cnum);%神经节点均匀分配在范围内
sigmas=ones(cnum,1)*(c(end)-c(1))/sqrt(2*cnum);%公式，所有sigma都取这个数，训练的好
wmat=rand(cnum,1);%权值随机取
ys=[];%存结果
errs=[];%存误差
for i=1:iters
    decay=1/(1+i*2/iters);%学习率不断下降
    lr_c=lr_c0*decay;
    lr_w=lr_w0*decay;
    lr_sigma=lr_sigma0*decay;
    %首先计算每个样本对每个神经节点距离
    dists=zeros(cnum,dnum);
    for j=1:cnum
        dists(j,:)=sqrt((bsxfun(@minus,trainD,c(j)').^2)');
    end
    gauss=zeros(cnum,dnum);%径向基函数输出（隐层输出）
    for j=1:cnum
        gauss(j,:)=exp(-dists(j,:)./(2*sigmas(j)^2));
    end
    y=gauss'*wmat;
    ys=[ys,y];
    err=y-outD;
    errs=[errs,err];
    mse=sum(err.^2)/(2*dnum);
    if sum(mse)