81个样本，每个样本里面有2760个数据，怎么将这个样本集用于BP神经网络的MATLAB程序？

首先，将数据集分为训练集和测试集，通常采用70/30或者80/20的比例进行划分，这里以70/30为例，即将数据集中的81个样本中的前57个样本作为训练集，后24个样本作为测试集。

然后，在MATLAB中，可以使用`patternnet`函数来创建BP神经网络。具体步骤如下：

1. 根据样本的特征数量，设置输入层的节点数为2760，设置输出层的节点数为1（因为是二分类问题）。

inputSize = 2760;
outputSize = 1;

2. 定义BP神经网络的结构，可以设置隐藏层的节点数为100，迭代次数为1000次，学习率为0.01。

hiddenLayerSize = 100;
net = patternnet(hiddenLayerSize);
net.trainParam.epochs = 1000;
net.trainParam.lr = 0.01;

3. 将准备好的训练数据输入神经网络进行训练。

xTrain = 训练数据的输入特征矩阵; % 大小为 2760*57
yTrain = 训练数据的输出标签矩阵; % 大小为 1*57
net = train(net, xTrain, yTrain);

4. 将测试数据输入神经网络进行测试，得到测试结果。

xTest = 测试数据的输入特征矩阵; % 大小为 2760*24
yTest = 测试数据的输出标签矩阵; % 大小为 1*24
yPred = net(xTest);

5. 最后，可以计算测试结果的准确率等性能指标进行评估。

accuracy = sum(yPred == yTest) / length(yTest); % 计算准确率