刚琢磨神经网络，有不对的地方还请指出
时间序列应当是一排数据对应另一排数据。相当于x对应y。
但是题主一开始的输入P=[a' b' c' d' e']，这是一个5行的矩阵，不是向量，也就不是时间序列了。大约这就是为什么最终输出会成了一个矩阵吧
不能发链接，所以我复制过来了。#载入程序和数据
library(RSNNS)
data(iris)
#将数据顺序打乱
iris <- iris[sample(1:nrow(iris),length(1:nrow(iris))),1:ncol(iris)]
#定义网络输入
irisValues <- iris[,1:4]
#定义网络输出，并将数据进行格式转换
irisTargets <- decodeClassLabels(iris[,5])
#从中划分出训练样本和检验样本
iris <- splitForTrainingAndTest(irisValues, irisTargets, ratio=0.15)
#数据标准化
iris <- normTrainingAndTestSet(iris)
#利用mlp命令执行前馈反向传播神经网络算法
model <- mlp(iris$inputsTrain, iris$targetsTrain, size=5, learnFunc="Quickprop", learnFuncParams=c(0.1, 2.0, 0.0001, 0.1),maxit=100, inputsTest=iris$inputsTest, targetsTest=iris$targetsTest)
#利用上面建立的模型进行预测
predictions <- predict(model,iris$inputsTest)
#生成混淆矩阵，观察预测精度
confusionMatrix(iris$targetsTest,predictions)
#结果如下：
#predictions
#targets 1 2 3
# 1 8 0 0
# 2 0 4 0
# 3 0 1 10
sim函数用来运行Simulink模型。需要注意的是，用户无法控制其仿真过程（例如暂停、继续），一旦运行就会直到达到结束条件为止——这一点和通过模型窗口界面运行仿真不同。调用格式：
[t,x,y] = sim(model,timespan,options,ut)
[t,x,y1, y2, ..., yn] = sim(model,timespan,options,ut)
输入参数：
model：模型的名字，用单引号括起来（注意不带扩展名.mdl）；
timespan：指定仿真时间范围，可以有几种情况：
标量tFinal，指定仿真结束时间。这种情况下开始时间为0；
两个元素的向量[tStart tFinal]，同时指定开始时间和结束时间；
向量[tStart OutputTimes tFinal]，除起止时间外，还指定输出时间点（通常输出时间t会包含更多点，这里指定的点相当于附加的点）。
options：指定仿真选项，是一个结构体，该结构体通过simset创建，包括模型求解器、误差控制等都可以通过这个参数指定（不修改模型，但使用和模型对话框里设置的不同选择）。
ut：指定外部输入，对应于根模型的Inport模块。
除第一个输入参数外，其他参数都可以用空矩阵（[]）来表示模型的默认值。
输出参数：
t：仿真时间向量；
x：状态矩阵，每行对应一个时刻的状态，连续状态在前，离散状态在后；
y：输出矩阵，每行对应一个时刻；每列对应根模型的一个Outport 模块（如果Outport模块的输入是向量，则在y中会占用相应的列数）。
y1, y2, ..., yn：把上面的y分开，每个yi对应一个Outport模块。
