今夕不知什么时候，前几天在MATLAB上用神经网络的工具箱一看，突然有一种“用手按着胸威胁历史”的感觉。 其他什么都没有。 只是，神经网络的数据组织结构有点“奇怪”，一不小心就会报告错误的工具箱。 以下是神经网络工具箱的正确打开方法，供大家参考。
打开MATLAB并在命令行中输入nntool将显示以下界面：
图1神经网络工具箱的主界面
其中最主要的分为六个部分。 第一部分显示系统的输入数据。 第二部分是系统的预期输出第三部分是网络的计算输出第四部分是网络误差即2和3的差异； 第五部分给出了已经建立的神经网络的实例； 第六部分中的两个按钮分别负责导入数据和创建网络模型。
2 .单击“导入”按钮，分别导入输入数据和所需的输出数据(您可以从工作区导入数据，也可以从文件导入数据)。
图2导入输入数据集
图3导入所需的输出数据集
导入数据后的主界面如下：
图4导入数据时
重要说明：神经网络的数据以列为基本单位。 也就是说，输入数据和输出数据的列数必须相同。 否则会报告错误。 如果原始数据由逐行组成，则可以在MATLAB中转置后导入。 即b=a’。
3 .现在需要的数据已经有了。 下一步是建立神经网络模型来学习数据集。 以下过程以BP网络为例。 首先单击“New”按钮，会显示以下画面。
图5神经网络模型的设定
几个重要部分如上图所示。 一个地方用于定义这个神经网络的名称。 二是为了选择神经网络的类型； 用于选择三个地点网络的输入数据； 在4中确定网络期望的输出数据； 5、6、7处分别针对神经网络主要机制函数设置； 在8处设置网络层数； 9处用于选择各网络层，第1层指的是隐含层而不是输入层，以便在10和11处可以设定该层的神经元数量和传递函数。 12个按钮可以看到现在设置的神经网络的结构图； 点击13处按钮，生成对应的神经网络模型。 前面只是简单介绍了各个部分的作用，具体参数应该如何设置只能由大家自行学习相关文献，在此不再赘述。
图6神经网络结构的预览
4 .现在有模型和数据。 下一步应该进行模型的训练。 返回主界面：
图7返回主界面
选择刚才创建的神经网络模型，单击" Open "按钮，将出现以下界面：
图8神经网络接口
这里主要介绍两个标签的内容。 一个是“Train”，另一个是“Adapt”。 点击“Train”选项卡后，进行适当的设定就可以进行神经网络的训练。
图9模型的主要信息设置
图10模型具体参数设定
设置好所有信息后，可以单击" TrainNetwork "按钮进行互联网培训。 培训完成后，将有以下结果信息界面：
图11训练结果的反馈
5.OK，现在模型训练也结束了。 那么，下一步自然是验证我们训练过的模型。 先引入验证输入和验证输出，此步骤不再赘述。 然后进入“模型验证”界面。
图12导入验证数据后
图13验证参数设置
在红框1中设定网络的输入和验证输出； 将网络输出和错误情况的记忆名设定为； 完成这些操作后，请单击“Adapt Network”。 然后，您将看到类似以下内容的提示：
图14提示画面
接下来，回到神经网络的主界面。
图15网络验证结果
在这种情况下，界面上显示了很多用红框包围的两组数据，分别是网络的输出和对应的输出误差。 可以双击特定的数据来显示。
重要说明：
神经网络的输入输出数据每列需要一个样本，通常的习惯可能需要替换。
可能会报告输入输出样本数不同的错误。
发生“inputdatasizedoesnotmatchnet.inputs {1}.size”错误时，创建神经网络是由于设定的输入个数和样本数据的输入个数不同引起的，因此需要适当的神经