CMAC神经网络一维函数matlab模拟

首先介绍一下CMAC神经网络的算法过程：
1）获取样本：训练+测试样本 
2）确定网络结构：神经元个数、激活个数、重 叠个数、压缩率、hash编码方式选择；
3）设置初始的权重数值
4）根据每个训练样本，计算激活的神经元以及 hash映射后的神经元，计算其加权和；
5）根据学习规则调整对应的权重；
6）针对每个训练样本进行同样的操作；
 7）计算对应的训练误差，如果误差太大，就再 次迭代；否则，就终止；
8）用测试样本，计算对应的测试误差。

其次以一维函数进行matlab仿真
%%%%%%%%要求实现y=sinx函数的CMAC拟合%%%%%%%%
%%%%%%%%%%%%%%%%%% 初始化%%%%%%%%%%%%%%%%%%%%%%%%%%
clear
max=50000;%%%%最大循环次数
c=5;%%%%%重复覆盖的区域的内存个数
data=360;%%%%需要输入的数据个数
error=0.00001;%%%误差精确度
alpha=0.3;%%%%调整步长
 A=uint8(zeros(data,c));%%%用于存储每个数据所激活的内存空间地址
w=rand(1,80);%%%%初始化权值
%%%%%%%%求出训练数据的预测值%%%%%%%%
for i=1:data
   x(i)=i/360*pi;
   d(i)=sin(i/360*pi);
end
%%%%%%%%%%%%%hash编码%%%%%%%%%%%%%%%%%%%%%%
for i=1:c
  for j=1:data
    temp=0;
    for k=1:i-1
     temp=ceil(k/c+1)+temp;
end  
   A(j,i)=temp+(j-i)/c+1;
end 
end
for m=1:max
  for i=1:data
  out=0;
  for j=1:c
 
   out=w(A(i,j))+out;
end
  y(i)=out;
  e(i)=d(i)-y(i);
  if(abs(e(i)/d(i))       
   continue;
else
   for k=1:c
   w(A(i,k))=w(A(i,k))+alpha/3*e(i);
end
end
  end
end
%%%%%%%%%%%%%%%%%%%%%% 显示%%%%%%%%%%%%%%%%%%%%%
figure
plot(x,d,'r-');
hold on
plot(x,y,'g-');
hold on
plot(x,e,'b-');