BP神经网络算法实现 批量处理的BP算法，隐层数为1 Z为特征向量组成的矩阵，n*m维，一行为一个样本 labZ为数据的类别，n*1维，每行对应样本的类别 M为隐层节点个数，T为迭代次数上限， epsilon为用于判断收敛的误差值，eta为学习率 W1为输入到隐层的权重，M*m维，B1为偏差，也就是乘以1的那个权重，M*1维 W2为隐层到输出的权重，c*M维，B2意义同B1，c*1维 estored为MLP的均方误差，每行是一次的误差

自己编写的关于电子测量的莱特准则和格拉布斯准则的算法,可以用来批量处理数据,()