写一段用softmax为激励函数的神经网络模型的matlab代码用来评定学生的贫困等级。已知部分学生的贫困等级，分为0，1，2三种。已知他们的平均每日消费金额、年消费总金额、年消费总次数。请根据剩余学生的平均每日消费金额、年消费总金额、年消

以下是一个使用softmax函数作为激励函数的神经网络模型的MATLAB代码，用来评定学生的贫困等级： ```matlab % 准备数据 load poverty_dataset; x = [avg_daily_expense; annual_expense; annual_frequency]; t = zeros(3, size(x, 2)); t(1, poverty_level == 0) = 1; t(2, poverty_level == 1) = 1; t(3, poverty_level == 2) = 1; % 创建神经网络模型 net = feedforwardnet([10, 5]); % 两个隐藏层，分别有10和5个神经元 net.layers{end}.transferFcn = 'softmax'; % 设置输出层的激励函数为softmax net.outputs{end}.processFcns = {'mapminmax'}; % 将输出值归一化到[0, 1] % 划分训练集和测试集 net.divideFcn = 'dividerand'; net.divideMode = 'sample'; net.divideParam.trainRatio = 0.7; net.divideParam.valRatio = 0.15; net.divideParam.testRatio = 0.15; % 训练神经网络模型 net.trainFcn = 'trainlm'; % 使用交叉熵损失函数进行训练 net.trainParam.epochs = 1000; % 最大迭代次数为1000 net.trainParam.showWindow = false; % 不显示训练窗口 net.trainParam.lr = 0.01; % 学习率为0.01 net.trainParam.beta1 = 0.9; % Adam算法的参数beta1 net.trainParam.beta2 = 0.999; % Adam算法的参数beta2 [net, tr] = train(net, x, t); % 对剩余学生进行预测 x_test = [avg_daily_expense_test; annual_expense_test; annual_frequency_test]; y = net(x_test); [~, y_pred] = max(y); % 将输出值最大的神经元作为预测结果 y_pred