matlab 神经网络代码

matlab
% 创建 XOR 数据集
inputs = [0 0; 0 1; 1 0; 1 1]';
targets = [0 1 1 0];

% 创建神经网络
net = feedforwardnet(10); % 10 个隐藏层神经元
net = train(net, inputs, targets); % 训练神经网络

% 测试神经网络
outputs = net(inputs);

% 显示结果
disp('Predictions:');
disp(outputs);

这段代码中，我们首先定义了 XOR 数据集的输入和目标。然后创建了一个具有10个隐藏神经元的前馈神经网络。接着用 train 函数训练了该网络，并用训练后的网络对输入进行预测。最后，输出了预测结果。

请确保安装了 MATLAB 的 Neural Network Toolbox，以便使用神经网络相关函数。

如果您想要更深入地了解神经网络，可以尝试使用不同的网络结构、调整训练参数或者尝试不同的优化算法。

matlab
% 创建 XOR 数据集
inputs = [0 0; 0 1; 1 0; 1 1]';
targets = [0 1 1 0];

% 创建神经网络
hiddenLayerSize = 10;
net = patternnet(hiddenLayerSize);

% 设置训练选项
net.trainParam.showWindow = false; % 不显示训练窗口
net.trainParam.showCommandLine = true; % 显示训练过程信息
net.trainParam.epochs = 1000; % 设置最大迭代次数
net.trainParam.goal = 1e-5; % 设置训练目标误差

% 训练神经网络
[net,tr] = train(net,inputs,targets);

% 绘制训练过程中的损失曲线
plotperform(tr);

% 测试神经网络
outputs = net(inputs);

% 显示结果
disp('Predictions:');
disp(outputs);

在这个示例中，我们首先创建了 XOR 数据集，并定义了一个具有10个隐藏神经元的网络。然后，设置了训练选项，包括最大迭代次数和训练目标误差。接着用 train 函数训练了该网络，并使用 plotperform 函数绘制了训练过程中的损失曲线。最后，用训练后的网络对输入进行了预测，并输出了预测结果。

您可以根据需要调整网络结构、训练选项和训练参数，以获得更好的性能或更准确的预测结果。