用MATLAB写一段代码实现BP神经网络预测模型，绘制材料的PSN曲线

在MATLAB中，我们可以使用Neural Network Toolbox创建和训练一个简单的BP（Backpropagation）神经网络用于预测材料的性能指标。这里是一个基本示例，假设我们要预测PSNR（Peak Signal-to-Noise Ratio）值，我们有输入数据集`X`和对应的标签`y`。

% 导入所需库
addpath('toolbox') % 如果Neural Network Toolbox不在路径中，需要添加

% 定义网络结构
net = feedforwardnet(10); % 一个隐藏层有10个神经元的网络

% 设置训练选项
options = trainingOptions('trainlm', ... % 使用Levenberg-Marquardt算法
    'MaxEpochs', 100, ... % 最大迭代次数
    'MiniBatchSize', 64, ... % 批次大小
    'InitialLearnRate', 0.01, ... % 初始学习率
    'Shuffle', 'every-epoch'); % 每次迭代随机洗牌数据

% 训练网络
net = train(net, X', y'); % 假设X是输入矩阵，y是标量一维向量

% 预测新的PSNR值
new_data = ... % 输入新数据点
psnr_pred = net(new_data');

% 绘制PSN曲线（如果PSNR是以某种形式存储在数组中的）
figure;
plot(y, psnr_pred, 'o');
xlabel('实际PSNR');
ylabel('预测PSNR');
title('材料PSNR预测模型');
legend('预测');

%