matlab中创建一个BP神经网络，能够正确反映出输入x1, x2, 和输出y的关系，输出输出数据由文件xlsx导入，给出各层权值的具体数值，画出输入x1, x2, 和输出y的关系图

在MATLAB中，首先你需要从.xlsx文件中读取输入数据`x1`, `x2`和对应的输出`y`。然后你可以按照以下步骤创建并训练一个BP神经网络：

1. **数据预处理**:
使用`readtable`或`xlsread`函数读取Excel文件，假设文件名为`data.xlsx`：

   data = readtable('data.xlsx'); % 替换为你实际文件名
   x1 = table2array(data(:, {'x1', 'x2'}));
   y = table2array(data(:, 'y'));

2. **创建神经网络**:
使用`feedforwardnet`函数创建一个简单的三层网络（输入、隐藏、输出层），例如两输入和一个输出：

   hiddenNodes = 10; % 隐藏层节点数
   net = feedforwardnet(hiddenNodes);

3. **初始化权重**:
权重通常是随机分配的，但也可以手动设置。这里展示如何设置随机权重：

   weights = randn([hiddenNodes, 2]); % 输入到隐藏层的权重
   biases = zeros([1, hiddenNodes]);      % 隐藏层偏置
   net.layers{1}.weights = weights;
   net.layers{1}.bias = biases;
   outputWeights = randn([1, hiddenNodes]); % 隐藏层到输出层的权重
   outputBiases = zeros([1, 1]);          % 输出层偏置
   net.layers{2}.weights = outputWeights;
   net.layers{2}.bias = outputBiases;

4. **训练网络**:
使用`train`函数进行训练，如果数据不是归一化的，可能需要预处理：

   net = train(net, x1', y');

5. **绘制关系图**:
对于可视化，你可以使用`plot`或`imagesc`画出输入-输出散点图，或者使用`zmesh`画出3D图形。但请注意，这依赖于你的具体输出`y`是否连续变化。

figure;
scatter(x1, y, '.');
hold on;
grid on;
xlabel('X1');
ylabel('Y');
title('Input X1 vs Output Y');

% 或者用3D图示
[xGrid, yGrid] = meshgrid(linspace(min(x1), max(x1), 100), linspace(min(y), max(y), 100));
Z = predict(net, [xGrid(:)'; yGrid(:)']);
surf(xGrid, yGrid, reshape(Z, size(xGrid)));