MATLAB实现的多输入单输出全连接神经网络进行回归预测

全连接神经网络（Fully Connected Neural Network），又称为多层感知机（Multilayer Perceptron，MLP），是一种常用的人工神经网络模型。在本篇文章中，我们将使用MATLAB实现一个全连接神经网络，用于回归预测任务，输入为多个特征，输出为一个目标值。

首先，我们需要安装MATLAB并确保已经安装了神经网络工具箱（Neural Network Toolbox）。接下来，我们将逐步进行实现。

第一步：数据准备

在实现之前，我们需要准备训练数据和测试数据。训练数据应包含多个输入特征和对应的输出目标值，用于训练神经网络模型。测试数据则用于评估模型的性能。

假设我们有N个样本，每个样本有M个输入特征和一个输出目标值。我们可以将输入特征存储在一个大小为N×M的矩阵X中，输出目标值存储在一个大小为N×1的列向量Y中。

第二步：网络建模

在这个示例中，我们将使用MATLAB中的feedforwardnet函数来构建全连接神经网络。我们可以指定网络的层数、每层的神经元数量以及激活函数等参数。

下面是一个示例的网络建模代码：

% 创建一个全连接神经网络模型
net = feedforwardnet(hiddenSizes