我给你发一个实例 你可以学习一下
采用Matlab工具箱函数建立神经网络，对一些基本的神经网络参数进行了说明，深入了解参考Matlab帮助文档。
%例1采用动量梯度下降算法训练BP网络。%训练样本定义如下：%输入矢量为%p=[-1-231%-115-3]%目标矢量为t=[-1-111]closeallclearclc
%---------------------------------------------------------------%NEWFF——生成一个新的前向神经网络,函数格式：
%net=newff(PR,[S1S2...SNl],{TF1TF2...TFNl},BTF,BLF,PF)takes,
%PR--Rx2matrixofminandmaxvaluesforRinputelements
%(对于R维输入，PR是一个Rx2的矩阵，每一行是相应输入的边界值)
%Si--第i层的维数
%TFi--第i层的传递函数,default='tansig'
%BTF--反向传播网络的训练函数,default='traingdx'
%BLF--反向传播网络的权值/阈值学习函数,default='learngdm'
%PF--性能函数,default='mse'
%---------------------------------------------------------------%TRAIN——对BP神经网络进行训练，函数格式：%train(NET,P,T,Pi,Ai,VV,TV)，输入参数：%net--所建立的网络%P--网络的输入
%T--网络的目标值,default=zeros%Pi--初始输入延迟,default=zeros%Ai--初始网络层延迟,default=zeros%VV--验证向量的结构,default=[]%TV--测试向量的结构,default=[]%返回值：
%net--训练之后的网络
%TR--训练记录(训练次数及每次训练的误差)%Y--网络输出%E--网络误差
%Pf--最终输入延迟%Af--最终网络层延迟
%---------------------------------------------------------------%SIM——对BP神经网络进行仿真，函数格式：%[Y,Pf,Af,E,perf]=sim(net,P,PiAi,T)%参数与前同。
%---------------------------------------------------------------%
%定义训练样本%P为输入矢量echoon
P=[-1,-2,3,1;-1,1,5,-3];%T为目标矢量T=[-1,-1,1,1];
%创建一个新的前向神经网络
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm')%---------------------------------------------------------------%训练函数：traingdm，功能：以动量BP算法修正神经网络的权值和阈值。
%它的相关特性包括：
%epochs：训练的次数，默认：100%goal：误差性能目标值，默认：0%lr：学习率，默认：0.01
%max_fail：确认样本进行仿真时，最大的失败次数，默认：5%mc：动量因子，默认：0.9
%min_grad：最小梯度值，默认：1e-10%show：显示的间隔次数，默认：25%time：训练的最长时间，默认：inf
%---------------------------------------------------------------%当前输入层权值和阈值inputWeights=net.IW{1,1}inputbias=net.b{1}%当前网络层权值和阈值layerWeights=net.LW{2,1}layerbias=net.b{2}%设置网络的训练参数
net.trainParam.show=50;net.trainParam.lr=0.05;net.trainParam.mc=0.9;
net.trainParam.epochs=1000;net.trainParam.goal=1e-3;
%调用TRAINGDM算法训练BP网络[net,tr]=train(net,P,T);%对BP网络进行仿真A=sim(net,P)%计算仿真误差E=T-AMSE=mse(E)echoofffigure;
plot((1:4),T,'-*',(1:4),A,'-o')
