matlab中神经网络怎么让输出结果仅有0或1

在MATLAB中，如果你想要创建一个神经网络模型，使其输出结果仅为0或1（二分类问题），你可以选择使用Sigmoid激活函数，因为它通常用于将连续输出压缩到(0,1)区间，然后通过阈值处理得到离散的0或1。

以下是基本步骤：

1. **创建神经网络结构**：
使用`patternnet`或`feedforwardnet`等工具创建神经网络，指定适当的层数、节点数以及隐藏层是否包含Sigmoid激活函数。

net = patternnet(numInputs, numOutputs); % numInputs是你输入数据的维度，numOutputs是二分类问题下的类别数（通常是2）

2. **训练网络**：
准备训练数据（输入特征矩阵X和对应的标签向量Y），使用`train(net, X, Y)`进行训练。

3. **设置激活函数**：
可以在构建网络的时候设置隐藏层的激活函数为'Sigmoid'，如`net.layers{1}.transferFcn = 'logsig';` 或者在训练完成后手动设置。

4. **调整输出范围**：
训练结束后，网络的输出通常是介于0和1之间的概率。为了获得0或1的结果，你需要设定一个阈值，比如大于某个值预测为1，小于等于该值预测为0。可以使用`net.trainParam.threshold`来设置这个阈值。

net.trainParam.threshold = 0.5; % 对于二分类问题，一般设为0.5，可以根据实际需求调整

5. **评估和测试**：
使用`sim(net, XTest)`对新的数据进行预测，并检查预测结果是否满足你的需求。