BP神经网络matlab代码实现

以下是一个简单的BP神经网络的MATLAB代码实现：

clear; clc;

% 输入样本和对应的输出
P = [-1 -1 2 2 4; 0 5 0 5 7];
T = [-1 -1 1 1 -1];

% 创建神经网络
net = newff(minmax(P), [5, 1], {'tansig', 'purelin'}, 'trainrp');

% 设置训练参数
net.trainParam.show = 50; % 每50次迭代显示一次训练进度
net.trainParam.lr = 0.05; % 学习率
net.trainParam.epochs = 300; % 最大训练次数
net.trainParam.goal = 1e-5; % 训练目标精度

% 训练神经网络
[net, tr] = train(net, P, T);

% 输出训练后的权重和阈值
W1 = net.iw{1, 1}; % 输入层到中间层的权重
B1 = net.b{1}; % 中间层各神经元阈值
W2 = net.lw{2, 1}; % 中间层到输出层的权重
B2 = net.b{2}; % 输出层各神经元阈值

% 利用训练好的神经网络进行仿真
sim(net, P)

以上代码中，我们首先定义了输入样本和对应的输出，然后使用`newff`函数创建了一个具有1个输入层、1个输出层和1个中间层的神经网络。其中，中间层包含5个神经元，激活函数为`tansig`，输出层激活函数为`purelin`。接着，我们设置了训练参数，包括每50次迭代显示一次训练进度、学习率、最大训练次数和训练目标精度。最后，我们使用`train`函数训练神经网络，并输出训练后的权重和阈值。最后，我们使用`sim`函数利用训练好的神经网络进行仿真。