函数功能：构建一个BP神经网络
函数形式：
net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)
P：输入参数矩阵。(RxQ1)，其中Q1代表R元的输入向量。其数据意义是矩阵P有Q1列，每一列都是一个样本，而每个样本有R个属性（特征）。一般矩阵P需要归一化，即P的每一行都归一化到[0 1]或者[-1 1]。
T：(输出数据矩阵)目标参数矩阵。(SNxQ2)，Q2代表SN元的目标向量。
S：N-1个隐含层的数目（S（i）到S（N-1）），默认为空矩阵[]。输出层的单元数目SN取决于T。返回N层的前馈BP神经网络
TF：节点传递函数，包括硬限幅传递函数 hardlim，对称硬限幅传递函数hardlims，线性传递函数 purelin，正切S型传递函数 tansig，对数S型传递函数logsig。默认隐含层为tansig函数，输出层为purelin函数
BTF：BP神经网络学习训练函数，默认值为trainlm函数。包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数 traingdm，动态自适应学习率的梯度下降BP算法训练函数 traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数 traingdx， Levenberg Marquardt的BP算法训练函数 trainlm。
BLF：网络学习函数(权重学习函数)，包括BP学习规则learngd，带动量项的BP学习规则 learngdm，默认值为learngdm。
PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse，默认值为mse，可选择的还有sse，sae，mae，crossentropy。
IPF：输入处理函数。
OPF：输出处理函数。
DDF：验证数据划分函数。
一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。
函数功能：用训练数据训练BP神经网络。
函数形式：
[net，tr]= train(NET，X，T，Pi，Ai)
NET：待训练网络。
X：输入数据矩阵。
T：输出数据矩阵。
Pi：初始化输入层条件。
Ai：初始化输出层条件。
net：训练好的网络。
Tr:训练过程记录。
一般在使用过程中设置前面3个参数，后面2个参数采用系统默认参数。
函数功能：用训练好的BP神经网络预测函数输出。
函数形式：
y=sim(net，x)
net：训练好的网络。
x：输入数据。
y：网络预测数据。
博主简介：研究方向涉及智能图像处理、深度学习等领域，先后发表过多篇SCI论文，在科研方面经验丰富。任何与算法、程序、科研方面的问题，均可私信交流讨论。