81个样本，每个样本里面有2760*3个数据，对应输出是2760*1，怎么将这个样本集用于BP神经网络的MATLAB程序？

对于这个问题，我们需要把输入和输出的矩阵进行调整。假设你的输入数据为X，输出数据为Y，那么我们需要把X和Y转换为 MATLAB 中的“行向量”形式，即每一行代表一个样本。

具体步骤如下：

1. 读取数据集，将数据集转化成 MATLAB 中的矩阵形式。

% 假设数据集保存在 data.csv 文件中
data = csvread('data.csv');

2. 将每个样本的输入数据 X 和输出数据 Y 分别存储到两个矩阵 X 和 Y 中。

X = data(:, 1:8280); % 假设输入数据有 2760*3 = 8280 个
Y = data(:, 8281:end); % 假设输出数据有 2760 个

3. 对 X 和 Y 进行转置，并将它们的行向量拼接起来，得到训练集的输入数据 xTrain 和输出数据 yTrain。

xTrain = X'; % 转置
xTrain = reshape(xTrain, 1, []); % 拉平成行向量
yTrain = Y'; % 转置
yTrain = reshape(yTrain, 1, []); % 拉平成行向量

4. 创建 BP 神经网络，并进行训练。

inputSize = size(X, 2); % 输入层节点数
hiddenLayerSize = 100; % 隐藏层节点数
outputSize = size(Y, 2); % 输出层节点数
net = patternnet(hiddenLayerSize);
net.trainParam.epochs = 1000;
net.trainParam.lr = 0.01;
net = train(net, xTrain, yTrain);

5. 进行测试，得到测试结果 yPred。

xTest = 测试数据的输入特征矩阵; % 大小为 2760*3*测试样本数
xTest = permute(xTest, [3 2 1]); % 将测试样本调整为 3*2760 的矩阵，再进行转置
xTest = reshape(xTest, 1, []); % 拉平成行向量
yPred = net(xTest);
yPred = reshape(yPred, [], outputSize);
yPred = yPred'; % 转置，得到 2760*测试样本数 的矩阵

6. 计算测试结果的准确率等性能指标进行评估。

accuracy = 计算准确率;