你能用Matlab写一个带有sigmoid激活函数的神经网络来预测材料疲劳寿命吗？具体到代码

可以，以下是一个简单的实现：

% 加载数据
load('fatigue_data.mat');

% 构建神经网络
net = feedforwardnet(10); % 10个隐藏层节点
net.layers{2}.transferFcn = 'logsig'; % sigmoid激活函数

% 划分训练集和测试集
[trainInd, testInd] = dividerand(size(X,2), 0.7, 0.3);
X_train = X(:, trainInd);
y_train = y(trainInd);
X_test = X(:, testInd);
y_test = y(testInd);

% 训练网络
net = train(net, X_train, y_train);

% 预测测试集
y_pred = net(X_test);

% 计算平均绝对误差
mae = mean(abs(y_pred - y_test));
disp(['平均绝对误差：', num2str(mae)]);

其中，fatigue_data.mat是一个MATLAB数据文件，包含了输入特征X和目标值y。这里使用了feedforwardnet函数构建了一个包含10个隐藏层节点的前馈神经网络，第二层使用了sigmoid激活函数。接着，使用dividerand函数将数据集划分为训练集和测试集，然后使用train函数训练网络，最后使用训练好的网络对测试集进行预测，并计算平均绝对误差。