写一个关于神经网络模式识别的matlab代码

以下是一个简单的基于神经网络的模式识别的MATLAB代码，用于区分手写数字 0-9：

% 加载 MNIST 数据集
load mnist.mat

% 将数据集分为训练集和测试集
train_data = double(train_data')/255;
train_labels = double(train_labels');
test_data = double(test_data')/255;
test_labels = double(test_labels');

% 定义神经网络结构
hidden_layer_size = 200;
net = patternnet(hidden_layer_size);

% 设置训练参数
net.trainParam.epochs = 10;
net.trainParam.lr = 0.1;
net.trainParam.max_fail = 6;

% 训练神经网络
[net, tr] = train(net, train_data, train_labels);

% 测试神经网络
test_output = net(test_data);
test_pred = vec2ind(test_output);

% 计算分类准确率
accuracy = sum(test_pred == test_labels)/length(test_labels);
disp(['Accuracy: ', num2str(accuracy)]);

在这个代码中，我们首先加载了手写数字 MNIST 数据集，并将其分为训练集和测试集。然后我们定义了一个包含一个隐藏层的神经网络，并设置了训练参数。接着我们使用训练集对神经网络进行训练，并使用测试集对其进行测试。最后我们计算了分类准确率并输出结果。

需要注意的是，这只是一个简单的例子，如果需要处理更复杂的模式识别问题，可能需要更复杂的神经网络结构和更多的训练数据。