matlab BPNN代码

以下是一个简单的 MATLAB BPNN（反向传播神经网络）代码示例：

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

% 定义神经网络结构
inputLayerSize = size(X, 2); % 输入层大小
hiddenLayerSize = 4; % 隐藏层大小
outputLayerSize = 1; % 输出层大小

% 随机初始化权重
W1 = randn(inputLayerSize, hiddenLayerSize);
W2 = randn(hiddenLayerSize, outputLayerSize);

% 定义一些超参数
learningRate = 0.1;
epochs = 10000;

% 训练神经网络
for epoch = 1:epochs
    % 前向传播
    hiddenLayerOutput = sigmoid(X * W1);
    outputLayerOutput = sigmoid(hiddenLayerOutput * W2);
    
    % 计算损失函数
    error = Y - outputLayerOutput;
    
    % 反向传播
    d_outputLayer = error .* sigmoidGradient(outputLayerOutput);
    d_hiddenLayer = (d_outputLayer * W2') .* sigmoidGradient(hiddenLayerOutput);
    
    % 更新权重
    W2 = W2 + learningRate * hiddenLayerOutput' * d_outputLayer;
    W1 = W1 + learningRate * X' * d_hiddenLayer;
end

% 测试神经网络
hiddenLayerOutput = sigmoid(X * W1);
outputLayerOutput = sigmoid(hiddenLayerOutput * W2);
predictedOutput = round(outputLayerOutput);

% 输出结果
disp('预测结果:');
disp(predictedOutput);

这段代码实现了一个简单的 XOR 逻辑门的 BPNN。它包括一个输入层，一个隐藏层和一个输出层，使用 sigmoid 作为激活函数。训练过程通过反向传播算法来更新权重，最终输出预测结果。

请注意，这只是一个简单的示例，实际应用中可能需要进行更多的参数调整和网络结构设计。