close all;
clear all;

l_neur=1; %liczba neuronów
W=zeros(l_neur,1); %przygotowanie wag początkowych wyjściowych
%parametry sieci
beta=4; 
alfa=0.5;
gamma=0;

rand('state',5);
V=0.5-rand(2,l_neur);  %losowanie wag początkowych wejściowych
Vt=V';
emax=0;

l_sek =30;
l_pkt_na_s=100;
l_pkt =l_sek*l_pkt_na_s;

for i=1:1:l_pkt
   x(i)=i/l_pkt_na_s;
fx(i)=2*exp(x(i))^(-0.02*x(i))*sin(x(i));
xsn=[1 x(i)/l_sek]';
for k=1:1:l_neur
      S(k,i)=1/(1+exp(-beta*Vt(k,:)*xsn)); 
end
   y(i)=W'*S(:,i);  % wartoś aproksymacji funkcji f_d(x)
   e(i)=y(i)-fx(i); % błąd aproksymacji
if(i==1)
W_plot(:,i)=W;
   W=W-alfa*e(i)*S(:,i); % uczenie wag poczatkowych
else
W_plot(:,i)=W;
   W=W-alfa*e(i)*S(:,i)+gamma*(W-W_plot(:,i-1));%zastosowanie momentum
end
end

if(abs(max(e))>abs(min(e)))
emax=max(e)
else
emax=min(e)
end
RMSE=sqrt(sum(e.^2)/length(x))

plot(x,fx,x,y);
title('Zadana funkcja f(x)oraz wartości wyjścia z SN');
xlabel('x');
ylabel('fd(x),f(x)');
legend('fd(x)','f(x)');

figure
for(j=1:1:length(W))
plot(x,W_plot(j,:));
hold on;
end
hold off
title('Wartości wag warstwy wyjściowej W');
xlabel('x');
ylabel('Wagi W');

figure
plot(x,e);
title('Błąd estymacji nieliniowego odwzorowania e');
xlabel('x');
ylabel('e');

figure
for(j=1:1:length(W))
plot(x,S(j,:));
hold on;
end
hold off
title('Wartości funkcji aktywacji neuronów typu funkcja sigmoidalna bipolarna  S(.)');
xlabel('x');
ylabel('S(.)');