%讀取訓練數據
[f1f2f3f4class]?=?textread（‘trainData.txt‘??‘%f%f%f%f%f‘150）;

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

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

%創建神經網絡?前饋BP網絡
net?=?newff（?minmax（input）??[10?10?3]??{?‘logsig‘?‘logsig‘?‘purelin‘?}??‘traingdx‘?）?;?
%net?=?newff?（?A?B?{C}?‘trainFun’）
%A：一個n×2的矩陣，第i行元素為輸入信號xi的最小值和最大值；
%B：一個k維行向量，其元素為網絡中各層節點數；?二維為兩層
%C：一個k維字符串行向量，每一分量為對應層神經元的激活函數；?
%‘purelin‘:線性函數??‘logsig‘：對數S形轉移函數??‘tansig’：雙曲正切S形函數
%trainFun?：為學習規則采用的訓練算法。?traingd?：梯度下降BP訓練函數??traingdx?：梯度下降自適應學習率訓練函數
%設置訓練參數
net.trainparam.show?=?50?;??%?顯示中間結果的周期
net.trai