给上面这段代码加上注解

好的，下面是加上注释的代码：

% 定义输入数据和输出数据
P = -1:0.1:1;           % 输入数据
P2 = -1:0.1:1;          % 用于绘制输出曲线的输入数据
T = [-0.96 -0.577 -0.0729 0.377 0.641 0.66 0.461 0.1336 ...
    -0.201 -0.434 -0.5 -0.393 -0.1647 0.0988 0.3072 ...
    0.396 0.3449 0.1816 -0.0312 -0.2183 -0.3201];  % 输出数据

% 绘制输入数据和真实输出数据的散点图
plot(P, T, 'r+');

% 定义网络的结构和初始权重和偏置
[R,Q] = size(P);        % R 表示输入数据的维度，Q 表示输入数据的数量
[S2,Q] = size(T);       % S2 表示输出数据的维度，Q 表示输入数据的数量
S1 = 5;                 % 定义隐藏层神经元数量
W1 = rands(S1,R);       % 隐藏层到输入层的权重矩阵，大小为 S1×R
B1 = rands(S1,1);       % 隐藏层的偏置向量，大小为 S1×1
W2 = rands(S2,S1);      % 输出层到隐藏层的权重矩阵，大小为 S2×S1
B2 = rands(S2,1);       % 输出层的偏置向量，大小为 S2×1
b1 = [];                % 用于绘制输出曲线的隐藏层偏置向量
b2 = [];                % 用于绘制输出曲线的输出层偏置向量
b1 = B1*ones(1,21);     % 将隐藏层偏置向量复制成大小为 1×21 的矩阵
b2 = B2*ones(1,21);     % 将输出层偏置向量复制成大小为 1×21 的矩阵

% 使用当前参数绘制输出曲线
a2 = W2*tansig(W1*P2+b1) + b2;      % 计算输出曲线的输出值
A2 = purelin(a2);                   % 对输出值进行线性变换
hold on                             % 将图形保留在窗口中
plot(P2, A2)                        % 绘制输出曲线
hold off                            % 取消保留图形

disp('按任一键继续')               % 提示用户按任意键继续
pause                               % 等待用户按下任意键

% 创建两层前向回馈神经网络并进行训练
net = newcf(minmax(P), [5,1], {'tansig','purelin'}, 'traingd');   % 创建网络并指定激活函数和训练方法
net.trainParam.epochs = 7000;                                    % 初始化训练次数
net.trainParam.goal = 9.5238e-004;                               % 设置误差目标值
net.trainParam.lr = 0.15;                                        % 设置学习率
[net,tr] = train(net, P, T);                                     % 训练网络

% 使用训练好的网络进行预测并绘制预测结果
Y = sim(net, P);                    % 计算网络对输入数据的预测输出
plot(P, Y, 'r-')                    % 绘制预测输出曲线
hold on                             % 将图形保留在窗口中
plot(P, T, 'r+');                   % 绘制真实输出曲线
hold off                            % 取消保留图形

希望这份注释能够帮助您更好地理解这段代码的含义。