我针对楼主的问题编了个程序，如果楼主还没有解决，和我联系吧：），可以一起探讨的：）
zishann84@163.com

一楼那位：
     我给您发邮件了，但您一直没给我回。我有一些小的改动，我将改动后的整个程序帖出来。如果您看到，请您说明我的问题

lr=0.05;err=0.001;%lr是学习速率，err为误差期望最小值
max_epoch=10000;a=0.9;%max_epoch为训练最大步数，a为惯性系数
Oi=0;Ok=0;%置隐含层和输出层初始值为0；
%提供32组训练集和目标值（两输入一输出）
%激活函数取g(x)=1/(1+exp(-x))
X=[0.8,1.2,1.6,2.4,3.2,3.6,4.2,4.8,0.8,1.2,1.6,2.4,3.2,3.6,4.2,4.8, 0.8,1.2,1.6,2.4,3.2,3.6,4.2,4.8,0.8,1.2,1.6,2.4,3.2,3.6,4.2,4.8;
    0.6,0.6,0.6,0.6,0.6,0.6,0.6,0.6,1.1,1.1,1.1,1.1,1.1,1.1,1.1,1.1, 2.2,2.2,2.2,2.2,2.2,2.2,2.2,2.2,3.2,3.2,3.2,3.2,3.2,3.2,3.2,3.2];
T1=[16,16,16,12,12,8,4,0,16,12,8,7,6,4,0,0,16,16,16,12,8,8,4,0,16,16,16,12,12,8,4,0];
%我想激活函数不能大于1,最后目标值不能大于1。（我可能理解有问题，请您纠正）
T=T1/20+0.1;
[M,N]=size(X);q=15;[L,N]=size(T);%M为输入节点j的数量；q为隐含层节点i的数量；L为输出层节点k的数量
 wij=rand(q,M);
 wki=rand(L,q);
wij0=zeros(size(wij));wki0=zeros(size(wki));
for epoch=1:max_epoch
    % 计算隐含层各神经元输出
    NETi=wij*X;
    for j=1:N
    for i=1:q
    Oi(i,j)=1/(1+exp((-NETi(i,j)+0.5)/1.4));
end
end
  %计算输出层各神经元输出
    NETk=wki*Oi;
   for i=1:N
   for k=1:L
    Ok(k,i)=1/(1+exp((-NETk(k,i)+0.5)/1.4));
   end
   end
   %计算误差函数
E=((T-Ok)*(T-Ok)')/2;
if(E<err)break;end
% 调整输出层加权系数
deltak=Ok.*(1-Ok).*(T-Ok);
w=wki;
wki=wki+lr*deltak*Oi';
wki0=w;
% 调整隐含层加权系数
deltai=Oi.*(1-Oi).*(deltak'*wki)';
w=wij;
wij=wij+lr*deltai*X';
wij0=w;
end
E%显示最后误差
epoch%显示计算次数
X1=X;
%计算各神经元输出
NETi=wij*X1;
for j=1:N
    for i=1:q
        Oi(i,j)=1/(1+exp((-NETi(i,j)+0.5)/1.4));
    end
end
NETk=wki*Oi;
for i=1:N
    for k=1:L
        Ok(k,i)=1/(1+exp((-NETk(k,i)+0.5)/1.4));
    end
end
A=(Ok-0.1)*20 %显示输出结果
B=T1-A
plot(A);
hold on;
plot(T1,'r');