求助，新手。。

耗子你也抢

p = [-1 -1 2 2;0 5 0 5];
1 m# E( t# F6 d  D( i' zt = [-1 -1 1 1];
8 E: D; ?) b. Knet=newff(p,t,[3,1],{'tansig','purelin'},'traingd');
net.trainParam.show = 50;
) n0 N5 r9 r+ E0 \net.trainParam.lr = 0.05;
) x- ?, o. j2 A( hnet.trainParam.epochs = 300;
& y7 e& \$ E& H9 {net.trainParam.goal = 1e-5;
net=train(net,p,t);
6 t0 c/ Q8 t* F  g
8 y; v" k2 r# k8 J3 ~
p = [-1 -1 2 2;0 5 0 5];
* @1 F" p* Y- b" M# o, e# a2 mt = [-1 -1 1 1];
% |& D6 ^7 Q, x( m) {1 l% 如果我们要在每一次提交输入后都更新权重，那么我们需要将输入矩阵和目标矩阵转变为细胞数组。每一个细胞都是一个输入或者目标向量。
p = num2cell(p,1);
t = num2cell(t,1);
net=newff(p,t,[3,1],{'tansig','purelin'},'traingd');
net.biases{1,1}.learnFcn = 'learngdm';
, {/ e5 [1 j- X6 k6 ~net.biases{2,1}.learnFcn = 'learngdm';
net.layerWeights{2,1}.learnFcn = 'learngdm';
net.inputWeights{1,1}.learnFcn = 'learngdm';
net.layerWeights{2,1}.learnParam.lr= 0.2;
net.adaptParam.passes = 200;
[net,a,e]=adapt(net,p,t);
%训练结束以后，我们就可以模拟网络输出来检验训练质量了。

$ {0 Y" \5 k3 u
我编了两套代码，增加方式和预处理都试了，都是一样的结果
- V# W* e# N6 F.??? Attempt to reference field of non-structure array.

7 H0 j" s. g* H+ Q2 d1 R
" `( Q) a& j+ [# S6 w$ @但如果调用者两组代码时不加M文件后缀就都可以正常运行
请教高手 为什么？
: `2 \/ G7 ]4 `8 {; D# d拜谢！！！！

/ J3 L/ @7 Z% Y0 u# S+ i" a6 H9 T