运用GRNN神经网络进行函数逼近，其中，函数样本点: P=[1 2 3 4 5 6 78]; T=[0 1 2 3 2 12 1]; 要求画出待逼近函数样本和神经网络输出对比图。

在MATLAB中，你可以使用Generalized Regression Neural Network (GRNN) 来近似给定的数据点。GRNN是一种无参数的神经网络，它可以很好地处理非线性和小数据集。首先，你需要定义GRNN模型并训练它，然后用训练好的模型对新数据进行预测。以下是一个简单的步骤：

1. 导入所需的库（如果你没有安装，可能需要`nnet toolbox`）：

if ~isToolboxInstalled('nnet')
    error("Please install the Neural Networks Toolbox.");
end

2. 定义数据点 `P` 和对应的标签 `T`：

P = [1, 2, 3, 4, 5, 6, 78]; % 输入特征
T = [0, 1, 2, 3, 2, 12, 1]; % 输出标签

3. 创建GRNN模型并设置输入和输出尺寸：

inputSize = length(P);
outputSize = length(T);
model = fitrgp(P', T', 'KernelFunction', 'gaussian', 'ObservationNoise', 0); % 使用默认的高斯核函数

4. 对新的数据点生成预测（这里我们只预测 `P` 中的一个值，例如最后一个点78）：

newInput = [78];
predictedOutput = predict(model, newInput);

5. 绘制原始数据点和GRNN预测结果的对比图：

figure;
plot(P, T, 'o', 'MarkerFaceColor', 'b', 'LineWidth', 1.5, 'DisplayName', 'Sample Data');
hold on;
plot(newInput, predictedOutput, 'r*', 'MarkerFaceColor', 'r', 'DisplayName', 'GRNN Prediction');
xlabel('Input');
ylabel('Target');
legend('show');
title('GRNN Function Approximation');
hold off;

这将会显示一个图表，其中包含原始的样本数据点以及GRNN模型预测的结果。