用matlab设计一个BP神经网络模型，能够正确反映出输入x1, x2, 和输出y的关系

在MATLAB中设计一个基本的BP（Backpropagation）神经网络模型通常涉及以下几个步骤：

1. **数据准备**：
确保你已经有了训练数据集，其中包含输入变量(x1, x2)和对应的输出变量(y)。

2. **初始化**：
- 定义网络结构，包括隐藏层的节点数、输入层和输出层的大小。
- 创建`patternnet`对象，这是MATLAB中用于创建神经网络的标准工具箱函数。

hiddenLayers = [5]; % 例如，一个有两个隐藏节点的网络
net = patternnet(hiddenLayers);

3. **设定训练选项**：
设置学习速率、训练次数等训练参数。

% 设定训练选项
net.trainParam.lr = 0.1; % 学习率
net.trainParam.maxepochs = 1000; % 最大迭代次数

4. **数据预处理**：
如果需要，对输入数据进行归一化或标准化。

5. **训练网络**：
使用`trainFcn`函数开始训练，传入输入数据、期望输出和网络对象。

inputs = [x1; x2];
targets = y;
net = train(net, inputs', targets');

6. **验证和测试**：
可以使用`sim`函数评估网络在新数据上的性能。

7. **保存和恢复**：
为了以后使用，可以将训练好的网络保存到文件。

save('myNet.mat', 'net'); % 保存网络
net = load('myNet.mat'); % 加载保存的网络