matlab神经网络工具箱使用

先贴一个使用批处理命令调用神经网络工具箱的方法：

P = [0.1515    0.1501    0.1509    0.1504    0.1504   0.1500
    0.1515    0.1501    0.1509    0.1504    0.1504   0.1500
    0.1515    0.1501    0.1500    0.1504    0.1504    0.1500
    0.1515    0.1500    0.1509    0.1504    0.1504    0.1500
    0.1515    0.1500    0.1509    0.1504    0.1504   0.1500
    0.1515    0.1500    0.1509    0.1504    0.1504   0.1500
    0.9684    0.2792    0.877     0.7426    0.7228   0.2272
    0.9838    0.2941    0.9181    0.7977    0.7702    0.2452
    0.9922    0.3101    0.9475    0.8445    0.8227    0.2665
    0.9953    0.3058    0.9625    0.8708    0.8637    0.2624
    0.9982    0.3242    0.9797    0.9089    0.9001    0.3008
    0.9995    0.3469    0.9917    0.9314    0.9282    0.3678
    0.9998    0.3565    0.9948    0.9493    0.9525    0.4500];
T= [0.1521
    0.6949
    0.7064
    0.7083
    0.7560
    0.7807
    0.8182
    0.8533
    0.8677
    0.8459
    0.8910
    0.9269
   0.9496];
P=P';T=T';
ff=newff(P,T,13);
ff.trainParam.epochs = 15000;
ff = train(ff,P,T);
Y1 = sim(ff,P); 
cf=newcf(P,T,13);
 cf.trainParam.epochs = 15000;
 cf = train(cf,P,T);
Y2 = sim(cf,P); 
plot(P,T,'o-'); 
hold on;
plot(P,Y1,'^m-');
plot(P,Y2,'*-k');
title('newff & newcf')
legend('原始数据','newff结果','newcf结果',0);

上面这个方法要注意P和T应该要先进行转置，即神经网络训练样本是矩阵的每一个列。

下面再讲一下如何用GUI方式调用，输入命令nntool，按以下步骤

注意，在修改Numbers of layers后，会发现Properties for并不增加，这时候可以来回切换一下Network Type，就可以显示了。同时要注意一下，样本数据命名貌似要用T，而且目标的要为T。

最后可以用sim仿真测试数据，通过主界面的export导出数据到工作空间中。