能帮我用matlab写一个能运行的神经网络,对一组数值数据进行归一化处理（通过除以100）后进行训练和预测吗？随便写数值

当然可以。以下是一个简单的MATLAB示例，使用基本的前馈神经网络（feedforwardnet）对一组随机生成的数值数据进行归一化处理并进行训练和预测：

% 首先，我们需要生成一些随机数据作为输入和目标
inputSize = 5; % 输入数据维度
outputSize = 1; % 输出数据维度

% 归一化因子
normalizationFactor = 100;

% 生成随机输入和目标数据
inputData = randn(inputSize, 10); % 10个样本，每样本5维输入
targetData = randn(outputSize, 10); % 目标数据也是10个样本，1维输出

% 归一化数据
inputDataNorm = inputData ./ normalizationFactor;
targetDataNorm = targetData ./ normalizationFactor;

% 定义网络结构
hiddenLayerSize = 10; % 隐藏层节点数
net = feedforwardnet(hiddenLayerSize); % 创建前馈网络

% 设置训练参数
maxEpochs = 1000; % 最大迭代次数
learningRate = 0.1; % 学习率
goal = 1e-4; % 训练误差目标

% 配置网络
net = configure(net, inputDataNorm', targetDataNorm'); 

% 开始训练
net.trainParam.epochs = maxEpochs;
net.trainParam.goal = goal;
net.trainParam.lr = learningRate;

net = train(net, inputDataNorm', targetDataNorm'); % 使用归一化后的数据训练网络

% 生成新的测试数据
testInputData = randn(inputSize, 5); % 5个测试样本
testInputDataNorm = testInputData ./ normalizationFactor;

% 预测
predictedOutput = sim(net, testInputDataNorm'); % 对测试数据进行预测

disp('训练完成，预测结果如下：');
disp(predictedOutput);

请注意，这只是一个基础例子。实际应用中，可能需要根据具体任务调整网络结构、训练参数等。另外，训练神经网络可能会花费一些时间，特别是数据较多时。