BP神经网络初步应用（数据预处理）基于matlab

由于数模比赛临近，本人最近初步了解了一下BP神经网络，但是大部分的知识并不了解，更多做的工作是如何应用和快速上手。
关于入门BP神经网络的资料展示如下：
http://www.jianshu.com/p/3d96dbf3f764 这个是有关BP神经网络的概念介绍
http://playground.tensorflowjiaocheng.com/#activation=tanh&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.38809&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false一个好玩的神经网络

说一下本人对神经网络 一个初步认识：首先，神经网络分为输入层，隐藏层，输出层，每一层隐藏层都有若干神经元，每一层输入层到隐藏层到输出层，主要改变的值就是每一个神经元的权重，而这些神经元进行运算之后所想要得到的是数据的特征。所以，我的理解是BP神经网络有助于找出数据的特征，并根据数据的特征得到分类的效果。
说了这么多，我们主要想做的事情还是应用。所以，基于matlab，在此给出了关于BP神经网络函数包的使用：
newff函数的格式为：
net=newff(PR,[S1 S2 …SN],{TF1 TF2…TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：

PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；
PR：指得是你的训练数据在每一个维度的最大值和最小值，范围越准确，训练的速度和准确度越快
Si：第i层神经元个数；
神经网络每一层的神经元个数
TFi：第i层的传递函数，默认函数为tansig函数；
BTF：训练函数，默认函数为trainlm函数；
BLF：权值/阈值学习函数，默认函数为learngdm函数；
PF：性能函数，默认函数为mse函数。
下面几个参数，初学者一般用默认值

一段最简单神经网络初始化，训练，进行预测的步骤，函数代码如下所示：

p = [0 1 0 5 1 3 2 2 2 1 19 18 23 17 43 12 2 17 19 23;
    1 2 0 4 1 1 1 4 0 1 13 15 13