%讀取訓(xùn)練數(shù)據(jù)
[f1f2f3f4class]?=?textread（‘trainData.txt‘??‘%f%f%f%f%f‘150）;

%特征值歸一化
[inputminImaxI]?=?premnmx（?[f1??f2??f3??f4?]‘）??;

%構(gòu)造輸出矩陣
s?=?length（?class?）?;
output?=?zeros（?s??3??）?;???%三種?分類
for?i?=?1?:?s?
???output（?i??class（?i?）??）?=?1?;
end

%創(chuàng)建神經(jīng)網(wǎng)絡(luò)?前饋BP網(wǎng)絡(luò)
net?=?newff（?minmax（input）??[10?10?3]??{?‘logsig‘?‘logsig‘?‘purelin‘?}??‘traingdx‘?）?;?
%net?=?newff?（?A?B?{C}?‘trainFun’）
%A：一個(gè)n×2的矩陣，第i行元素為輸入信號(hào)xi的最小值和最大值；
%B：一個(gè)k維行向量，其元素為網(wǎng)絡(luò)中各層節(jié)點(diǎn)數(shù)；?二維為兩層
%C：一個(gè)k維字符串行向量，每一分量為對(duì)應(yīng)層神經(jīng)元的激活函數(shù)；?
%‘purelin‘:線性函數(shù)??‘logsig‘：對(duì)數(shù)S形轉(zhuǎn)移函數(shù)??‘tansig’：雙曲正切S形函數(shù)
%trainFun?：為學(xué)習(xí)規(guī)則采用的訓(xùn)練算法。?traingd?：梯度下降BP訓(xùn)練函數(shù)??traingdx?：梯度下降自適應(yīng)學(xué)習(xí)率訓(xùn)練函數(shù)
%設(shè)置訓(xùn)練參數(shù)
net.trainparam.show?=?50?;??%?顯示中間結(jié)果的周期
net.trai