写一段python代码完成以下功能：建立一个四层多层感知机，输入为十维向量，输出为一维向量，损失函数定义为输入向量的第一个分量减输出向量的差的平方。输入数据需要从xls文件中读取

以下是使用Python和Keras构建四层多层感知机，并从xls文件中读取输入数据的代码示例：

import numpy as np
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense

# 从xls文件中读取数据
data = pd.read_excel('data.xls')
x = data.iloc[:, 0:10].values
y = data.iloc[:, 10].values

# 构建模型
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=10))
model.add(Dense(units=32, activation='relu'))
model.add(Dense(units=16, activation='relu'))
model.add(Dense(units=1))

# 编译模型
model.compile(loss=lambda y_true, y_pred: (y_true[0] - y_pred[0])**2, optimizer='adam')

# 训练模型
model.fit(x, y, epochs=100, batch_size=32)

# 预测结果
y_pred = model.predict(x)
print(y_pred)

其中，我们使用`pandas`库来读取xls文件中的数据。`x`和`y`分别是输入向量和输出向量。然后，我们定义了一个四层的多层感知机模型，并使用`relu`激活函数。我们的输出层没有激活函数，因为我们想要预测任意实数。我们使用自定义损失函数，它将输入向量的第一个分量减去输出向量的差的平方作为损失函数。最后，我们使用`fit`函数训练模型，并使用`predict`函数预测输出向量。