在Matlab中，我们可以使用神经网络工具箱来创建和训练神经网络。以下是一些示例：
1.创建一个简单的神经网络并进行训练：
1.% 创建一个3个输入，2个隐藏节点，1个输出节点的神经网络
2.net = feedforwardnet(10,10,'trainscg');
3.
4.% 训练数据和目标
5.P = [1 2 3; 4 5 6; 7 8 9; 10 11 12];
6.T = [2; 5; 8; 11];
7.
8.% 训练神经网络
9.net = train(net, P, T);
10.
11.% 测试神经网络
12.Y = net(P);
2.创建一个使用反向传播算法的神经网络并进行训练：
% 创建一个3个输入，2个隐藏节点，1个输出节点的神经网络
net = feedforwardnet(10,10,'trainbfg');
% 训练数据和目标
P = [1 2 3; 4 5 6; 7 8 9; 10 11 12];
T = [2; 5; 8; 11];
% 训练神经网络
net = train(net, P, T);
% 测试神经网络
Y = net(P);
3.创建一个自适应学习率的神经网络并进行训练：
% 创建一个3个输入，2个隐藏节点，1个输出节点的神经网络
net = feedforwardnet(10,10,'newff',{'tansig','purelin'}, 'adalainexplain');
% 训练数据和目标
P = [1 2 3; 4 5 6; 7 8 9; 10 11 12];
T = [2; 5; 8; 11];
% 训练神经网络
net = train(net, P, T);
% 测试神经网络
Y = net(P);
4.创建一个使用自定义权重和阈值的神经网络：
% 创建一个3个输入，2个隐藏节点，1个输出节点的神经网络
net = feedforwardnet(10,10,'newff',{'tansig','purelin'});
% 设置自定义权重和阈值
net.IW{1,1} = [0.1 0.2 0.3; 0.4 0.5 0.6];
net.LW{1,1} = [0.7 0.8 0.9; 0.10 0.11 0.12];
net.b{1} = [0.13; 0.14; 0.15];
net.b{2} = [0.16; 0.17; 0.18; 0.19];
% 训练数据和目标
P = [1 2 3; 4 5 6; 7 8 9; 10 11 12];
T = [2; 5; 8; 11];
% 训练神经网络
net = train(net, P, T);
% 测试神经网络
Y = net(P);
这些示例展示了如何使用Matlab的神经网络工具箱创建和训练不同类型的神经网络。在每个例子中，我们首先定义了一个神经网络的架构，然后使用训练数据和目标来训练网络，最后使用网络进行预测。
