bp神经网络matlab代码

以下是一个简单的BP神经网络的MATLAB代码示例：

% 数据准备
X = [0 0 1 1; 0 1 0 1]; % 输入数据
Y = [0 1 1 0]; % 目标输出

% 网络参数
hidden_size = 2; % 隐藏层节点数
epochs = 10000; % 迭代次数
learning_rate = 0.1; % 学习率

% 初始化权重
W1 = rand(hidden_size, size(X,1)); % 输入层到隐藏层权重
W2 = rand(1, hidden_size); % 隐藏层到输出层权重

% 训练
for i = 1:epochs
    % 前向传播
    H = W1*X;
    A = 1./(1+exp(-H)); % sigmoid激活函数
    Y_hat = W2*A;
    
    % 计算误差
    error = Y - Y_hat;
    
    % 反向传播
    D2 = error.*Y_hat.*(1-Y_hat);
    D1 = W2'*D2.*A.*(1-A);
    
    % 更新权重
    W2 = W2 + learning_rate*D2*A';
    W1 = W1 + learning_rate*D1*X';
end

% 预测
H = W1*X;
A = 1./(1+exp(-H)); % sigmoid激活函数
Y_pred = W2*A;

% 输出结果
disp(Y_pred);

这个代码实现了一个包含一个隐藏层的BP神经网络，使用sigmoid激活函数和均方误差作为损失函数。在训练之后，它可以用来预测新的输入数据的输出。请注意，这只是一个简单的示例，实际应用中可能需要更复杂的网络结构和训练方法。