更多资源请关注微信公众平台：科研交流，回复“美赛程序包”
本次我们要训练 9 个 15 维的输入数据，输出数据为 9 个 3 维矩阵，测试输
入数据为 3 个 15 维数据，测试输出数据为 3 个 3 维数据。训练数据和测试
数据如下。训练输入数据为 P，训练输出数据为 T，测试输入数据 P_test，
测试输出数据为 T_test（PS：注意列数代表数据个数，行数代表维数）。
如果只是想单纯地搭建一个 Bp 神经网络训练上述数据，并且可以自己对权
值和阈值进行赋值，权值和阈值随机生成区间为(-0.5,0.5)，代码如下。
clear
clc
% Examples
% Here is how to format a matrix so that the minimum and maxim
um values of each row are mapped to default interval [-1,+1].
% x1 = [1 2 4; 1 1 1; 3 2 2; 0 0 0]
% [y1,PS] = mapminmax(x1)
% Next, apply the same processing settings to new values.
% x2 = [5 2 3; 1 1 1; 6 7 3; 0 0 0]
% y2 = mapminmax('apply',x2,PS)
% Reverse the processing of y1 to get x1 again.
% x1_again = mapminmax('reverse',y1,PS)
%% 构造数据集
load data.mat
inputnum=size(P,1); % 输入层神经元个
数
hiddennum=2*inputnum+1; % 隐含层神经元个
数
outputnum=size(T,1); % 输出层神经元个
数
