matlab自主编写神经网络代码

当然可以，Matlab提供了强大的神经网络工具箱，使得用户可以方便地创建、训练和测试神经网络模型。以下是一个简单的例子：

假设我们要创建一个三层的前馈神经网络，其中输入层有两个神经元，隐藏层有三个神经元，输出层有一个神经元。我们可以使用Matlab自带的nnstart命令来启动神经网络工具箱，并按照以下步骤操作：

1. 创建神经网络对象：

net = feedforwardnet([3]);

这里我们指定了一个三层的前馈神经网络，其中隐藏层有三个神经元。

2. 设置神经网络的参数：

net.trainFcn = 'trainlm';
net.performFcn = 'mse';
net.divideFcn = 'dividerand';
net.divideParam.trainRatio = 0.7;
net.divideParam.valRatio = 0.15;
net.divideParam.testRatio = 0.15;

这里我们设置了神经网络的训练函数为Levenberg-Marquardt算法，性能函数为均方误差，划分函数为随机划分，训练集、验证集和测试集的比例分别为70%、15%和15%。

3. 输入数据和目标值：

inputs = [0 1; 1 0; 1 1; 0 0]';
targets = [1 1 0 0]';

这里我们定义了四个输入样本和对应的目标值。

4. 训练神经网络：

[net,tr] = train(net,inputs,targets);

这里我们使用train函数来训练神经网络，并返回训练后的神经网络对象和训练记录tr。

5. 测试神经网络：

outputs = net(inputs);

这里我们使用训练好的神经网络对象对输入数据进行测试，并返回输出结果。

6. 可视化训练过程：

plotperform(tr);

这里我们使用plotperform函数来绘制训练过程的性能曲线。

以上就是一个简单的Matlab神经网络编写过程的示例。需要注意的是，不同的神经网络模型和训练任务可能需要不同的参数设置和编程技巧。