用MATLAB写一个MLP模型，实现多输入多输出预测

以下是使用MATLAB编写MLP模型的示例代码，该模型可以实现多个输入和多个输出的预测：

% MLP模型参数
hidden_units = 20; % 隐藏层单元数
learning_rate = 0.01; % 学习率
epochs = 1000; % 迭代次数

% 数据集
X = [0 0; 0 1; 1 0; 1 1]; % 输入数据集
Y = [0 0; 0 1; 1 0; 1 1]; % 输出数据集

% 初始化权重
W1 = rand(size(X, 2), hidden_units);
W2 = rand(hidden_units, size(Y, 2));

% 迭代训练
for i = 1:epochs
    % 前向传播
    H = X * W1;
    H = sigmoid(H); % 隐藏层激活函数
    Y_pred = H * W2;
    Y_pred = sigmoid(Y_pred); % 输出层激活函数
    
    % 计算损失函数
    loss = sum(sum((Y - Y_pred).^2));
    
    % 反向传播
    delta_Y = (Y - Y_pred) .* sigmoid_derivative(Y_pred);
    delta_H = delta_Y * W2' .* sigmoid_derivative(H);
    
    % 更新权重
    W2 = W2 + learning_rate * H' * delta_Y;
    W1 = W1 + learning_rate * X' * delta_H;
end

% 预测
H = sigmoid(X * W1);
Y_pred = sigmoid(H * W2);
disp(Y_pred);

在这个示例中，我们使用了一个简单的数据集，其中输入数据集包含四个样本，每个样本有两个特征。输出数据集与输入数据集相同，因为这是一个自监督学习问题。我们使用sigmoid激活函数和均方误差损失函数来训练模型。最后，我们使用训练得到的权重来进行预测。