r语言人工神经网络代码

当使用R语言实现人工神经网络时，可以使用一些常见的R软件包，例如"neuralnet"和"nnet"。下面是一个简单的示例代码，演示如何在R中使用神经网络进行二分类任务：

# 安装和加载所需的软件包
install.packages("neuralnet")
library(neuralnet)

# 创建一个示例数据集（二维输入和二分类输出）
data <- data.frame(
  input1 = c(0, 0, 1, 1),
  input2 = c(0, 1, 0, 1),
  output = c(0, 1, 1, 0)
)

# 定义神经网络模型
model <- neuralnet(output ~ input1 + input2, data = data, hidden = 3)

# 对新数据进行预测
new_data <- data.frame(
  input1 = c(0.5, 0.8),
  input2 = c(0.2, 0.9)
)

prediction <- compute(model, new_data)
print(prediction$net.result)

在这个示例中，我们使用了一个包含两个输入变量（input1和input2）和一个输出变量（output）的数据集。我们定义了一个具有3个隐藏层节点的神经网络模型，并使用`neuralnet`函数训练该模型。然后，我们使用`compute`函数对新数据进行预测，并打印出预测结果。

请注意，这只是一个简单的示例代码，实际使用中可能需要根据具体任务进行适当调整和改进。还有其他的R软件包可用于实现人工神经网络，你可以根据自己的需求选择合适的软件包。