用生成对抗网络对二维输入数据做预测回归的matlab代码，有预测部分，并且不直接使用trainNetwork函数来训练整个GAN网络，而是手动实现GAN的训练循环，同时给出代码中的discriminatorLoss和generatorLoss具体内容

以下是一个使用生成对抗网络 (GAN) 对二维输入数据进行预测回归的 Matlab 代码示例。这个代码实现了GAN的训练循环，并且手动计算了判别器损失 (discriminatorLoss) 和生成器损失 (generatorLoss)。

% 设置参数
numIterations = 10000;
batchSize = 64;
latentDim = 10;
learningRate = 0.001;

% 定义生成器网络
generator = fullyConnectedLayer(10);
generator.Weights = randn([10,latentDim]) * 0.1;
generator.Bias = randn([10,1]) * 0.1;

% 定义判别器网络
discriminator = fullyConnectedLayer(1);
discriminator.Weights = randn([1,10]) * 0.1;
discriminator.Bias = randn([1,1]) * 0.1;

% 定义损失函数和优化器
lossFunction = @binaryCrossEntropy;
optimizer = adamOpti