matlab BP神经网络代码

以下是一个简单的 MATLAB BP 神经网络代码示例：

% 准备训练数据
input_data = [0 0; 0 1; 1 0; 1 1];
target_data = [0; 1; 1; 0];

% 设置神经网络参数
num_input = size(input_data, 2);
num_hidden = 4;
num_output = size(target_data, 2);
learning_rate = 0.1;
num_epochs = 10000;

% 初始化权重和偏置
W1 = rand(num_input, num_hidden);
b1 = rand(1, num_hidden);
W2 = rand(num_hidden, num_output);
b2 = rand(1, num_output);

% 训练神经网络
for epoch = 1:num_epochs
    % 正向传播
    hidden_layer_input = input_data * W1 + b1;
    hidden_layer_output = sigmoid(hidden_layer_input);
    output_layer_input = hidden_layer_output * W2 + b2;
    output_layer_output = sigmoid(output_layer_input);

    % 计算损失函数
    loss = sum((output_layer_output - target_data).^2) / size(input_data, 1);

    % 反向传播
    delta_output = (output_layer_output - target_data) .* sigmoid_derivative(output_layer_input);
    delta_hidden = (delta_output * W2') .* sigmoid_derivative(hidden_layer_input);

    % 更新权重和偏置
    W2 = W2 - learning_rate * hidden_layer_output' * delta_output;
    b2 = b2 - learning_rate * sum(delta_output);
    W1 = W1 - learning_rate * input_data' * delta_hidden;
    b1 = b1 - learning_rate * sum(delta_hidden);
end

% 预测
predictions = sigmoid(sigmoid(input_data * W1 + b1) * W2 + b2);

上述代码使用了 sigmoid 函数作为激活函数，你可以根据需要自行更改。请注意，这只是一个简单的示例，实际应用中可能需要对数据进行预处理和调整参数以获得更好的结果。