MATLAB训练DNN神经网络代码

以下是MATLAB训练DNN神经网络的代码示例：

% 加载数据
load('data.mat');

% 构建神经网络模型
net = feedforwardnet([10 5]); % 两层隐藏层，分别有10个和5个神经元
net.trainFcn = 'trainscg'; % 使用SCG算法进行训练
net.trainParam.epochs = 1000; % 最大训练次数为1000次
net.trainParam.goal = 0.01; % 训练目标误差为0.01
net.divideFcn = 'dividerand'; % 随机划分训练集、验证集和测试集
net.divideMode = 'sample'; % 按样本划分
net.divideParam.trainRatio = 0.7; % 训练集占70%
net.divideParam.valRatio = 0.15; % 验证集占15%
net.divideParam.testRatio = 0.15; % 测试集占15%

% 训练神经网络
[net,tr] = train(net,X,Y);

% 测试神经网络
Y_pred = net(X_test);

% 计算R2值
R2 = 1 - sum((Y_test - Y_pred).^2) / sum((Y_test - mean(Y_test)).^2);
disp(['R2 = ', num2str(R2)]);

其中，`data.mat`是包含输入特征`X`和输出变量`Y`的MATLAB数据文件，`X_test`和`Y_test`是测试集数据。在训练神经网络之前，需要根据实际情况调整神经网络模型的参数，例如隐藏层数、神经元个数、训练算法、训练次数、训练目标误差等。训练完成后，可以使用测试集数据对神经网络进行测试，并计算R2值评估预测效果。