Matlab BP神经网络四分类实现示例

下面是一个使用 Matlab 编写的 BP 神经网络进行四分类的示例程序：

% 准备训练数据
X = [0 0; 0 1; 1 0; 1 1];
Y = [0; 1; 2; 3];

% 构建并训练 BP 神经网络
net = feedforwardnet(10); % 创建一个具有 10 个隐藏层神经元的前馈神经网络
net = train(net, X', ind2vec(Y'+1)); % 训练神经网络

% 准备测试数据
testX = [0.5 0.5; 0.2 0.8; 0.9 0.1];
testY = [1; 2; 0];

% 使用训练好的 BP 神经网络进行分类预测
predictedY = vec2ind(net(testX'))' - 1;

% 打印预测结果
disp('预测结果：');
disp(predictedY);

在这个示例程序中，首先准备了训练数据 X 和对应的分类标签 Y，其中 X 是一个 4 行 2 列的矩阵，每一行代表一个样本，每一列代表一个特征；Y 是一个 4 行 1 列的向量，每个元素代表对应样本的分类标签。

然后，使用 feedforwardnet 函数创建了一个具有 10 个隐藏层神经元的前馈神经网络，并使用 train 函数对神经网络进行训练。其中 ind2vec 函数将分类标签转换成了独热编码的形式，例如 0 对应 [1 0 0 0]，1 对应 [0 1 0 0]，以此类推。

接下来，准备了测试数据 testX 和对应的分类标签 testY，并使用训练好的 BP 神经网络进行分类预测。预测结果存储在 predictedY 变量中，通过 vec2ind 函数将独热编码的预测结果转换为分类标签。

最后，将预测结果打印出来，即可得到四分类的预测结果。

这只是一个示例程序，实际使用中可能需要根据具体问题进行调整和修改。