R语言单一BP神经网络代码

当使用R语言实现单一BP神经网络时，可以使用`nnet`包来进行建模和训练。下面是一个简单的R语言代码示例：

# 导入nnet包
library(nnet)

# 创建一个数据集
data <- data.frame(
  x1 = c(0, 0, 1, 1),
  x2 = c(0, 1, 0, 1),
 y = c(0, 1, , 0)
)

# 训练BP神网络模型
model <- nnet(y ~ x1 + x2, data = data, size = 2, maxit = 1000)

# 预测新数据
new_data <- data.frame(
  x1 = c(0, 1),
  x2 = c(1, 0)
)
predictions <- predict(model, newdata = new_data)

# 打印预测结果
print(predictions)

上述代码中，首先导入了`nnet`包，然后创建了一个包含输入特征（x1和x2）和目标变量（y）的数据集。接下来使用`nnet`函数来训练BP神经网络模型，其中`size`参数指定了隐藏层的神经元数量，`maxit`参数指定了最大迭代次数。

训练完成后，可以使用`predict`函数对新数据进行预测，并打印预测结果。