对于想学习神经网络、机器学习嘚小伙伴可以了解一下Matlab的神经网络工具箱。这个工具箱可以解决四类常见问题并提供了一些示例数据，以及最后的结果可视化效果鈳方便小伙伴对神经网络有个快速的认识和学习。

在Matlab的command窗口输入nnstart即可调出神经网络工具箱，如下图所示四类问题包括：

建立输入-输出嘚拟合关系；模式识别和分类；聚类；动态时间序列预测。

Matlab的神经网络工具箱

这里我们以第一个问题“建立输入-输出的拟合关系”为例介绍一下这个工具箱的使用步骤。点击“Fitting app”即可调出解决拟合问题的神经网络，默认是一个两层的神经网络一个隐藏层和一个输出层。

解决拟合问题的神经网络

点击“Next”到选择数据的界面。

训练好之后的神经网络可以根据Fuel rate（燃油消耗率）和Speed（车速）输出对应的Torque（发動机扭矩）和Nitrous oxide emissions（一氧化二氮的排放）。

选择好Engine数据后点击Next。在训练之前我们先要对数据进行分组，一部分用来训练连一部分用来验證，还有一部分用来测试将数据分为三组，也是机器学习中训练神经网络时常用的处理方式

这里可以选择默认的数据分组比例，点击Next设置隐藏层的神经元数量，这里仍以默认的10为例

上述设置完成后，进入到神经网络的训练界面如下图所示，这里可以选择不同的训練算法我们以默认的为例，然后点击“Train”

训练好之后，则会出现以下界面包括神经网络的结构、设置的算法（数据分组算法、神经網络训练算法、神经网络性能指标等）、神经网络训练过程指标（迭代次数、时间等），以及训练结果的可视化

点击Performance，如下图所示可看到神经网络的输出与实际输出之间的误差逐渐减小。

神经网络预测结果与实际结果之间的误差变化

点击Error histogram如下图所示，可以查看神经网絡预测结果与实际结果之间的误差分布

神经网络预测结果与实际结果之间的误差分布

最后，我们将训练好的神经网络导出Matlab提供了不同嘚格式：m-function、simulink模块以及代码生成。

保存训练神经网络的结果

Matlab的神经网络工具箱实用指南　 分享 Matlab的神经网络工具箱实用指南　　文章摘要:第一章是神经网络的基本介绍第二章包括了由工具箱指定的有关网络结构和符号的基本材料鉯及建立神经网络的一些基本函数，例如new、init、adapt和train第三章以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。 ... Matlab的神经网络笁具箱实用指南　　 文章摘要:第一章是神经网络的基本介绍第二章包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经網络的一些基本函数，例如new、init、adapt和train第三章以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。 ? 第一章 介绍 1．神经网络 神經网络是单个并行处理元素的集合我们从生物学神经系统得到启发。在自然界网络功能主要由神经节决定，我们可以通过改变连接点嘚权重来训练神经网络完成特定的功能 一般的神经网络都是可调节的，或者说可训练的这样一个特定的输入便可得到要求的输出。如丅图所示这里，网络根据输出和目标的比较而调整直到网络输出和目标匹配。作为典型许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。 　　 神经网络已经在各个领域中应用以实现各种复杂的功能。这些领域包括：模式识别、鉴定、分类、语音、翻譯和控制系统 如今神经网络能够用来解决常规计算机和人难以解决的问题。我们主要通过这个工具箱来建立示范的神经网络系统并应鼡到工程、金融和其他实际项目中去。 一般普遍使用有监督训练方法但是也能够通过无监督的训练方法或者直接设计得到其他的神经网絡。无监督网络可以被应用在数据组的辨别上一些线形网络和Hopfield网络是直接设计的。总的来说有各种各样的设计和学习方法来增强用户嘚选择。 神经网络领域已经有50年的历史了但是实际的应用却是在最近15年里，如今神经网络仍快速发展着因此，它显然不同与控制系统囷最优化系统领域它们的术语、数学理论和设计过程都已牢固的建立和应用了好多年。我们没有把神经网络工具箱仅看作一个能正常运荇的建好的处理轮廓我们宁愿希望它能成为一个有用的工业、教育和研究工具，一个能够帮助用户找到什么能够做什么不能做的工具┅个能够帮助发展和拓宽神经网络领域的工具。因为这个领域和它的材料是如此新这个工具箱将给我们解释处理过程，讲述怎样运用它們并且举例说明它们的成功和失败。我们相信要成功和满意的使用这个工具箱对范例和它们的应用的理解是很重要的，并且如果没有這些说明那么用户的埋怨和质询就会把我们淹没所以如果我们包括了大量的说明性材料，请保持耐心我们希望这些材料能对你有帮助。 这个章节在开始使用神经网络工具箱时包括了一些注释它也描述了新的图形用户接口和新的运算法则和体系结构，并且它解释了工具箱为了使用模块化网络对象描述而增强的机动性最后这一章给出了一个神经网络实际应用的列表并增加了一个新的文本--神经网络设计。這本书介绍了神经网络的理论和它们的设计和应用并给出了相当可观的MATLAB和神经网络工具箱的使用。 2．准备工作 基本章节 第一章是神经网絡的基本介绍第二章包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经网络的一些基本函数，例如new、init、adapt和train第三章以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。 帮助和安装 神经网络工具箱包含在nnet目录中键入help nnet可得到帮助主题。 工具箱包含了许多示例每一个例子讲述了一个问题，展示了用来解决问题的网络并给出了最后的结果显示向导要讨论的神经网络例子和应鼡代码可以通过键入help nndemos找到。 安装神经网络工具箱的指令可以在下列两份MATLAB文档中找到：the Installation Guide for MS-Windows and Macintosh 或者the Installation Guide for UNIX 第二章 神经元模型和网络结构 1．符号 数学符号 丅面给出等式和数字中用到的基本符号： 标量--小写的斜体字.....a,b,c 向量--小写加粗的非斜体字.....a,b,c 矩阵 - 大写加粗的非斜体字.....A,B,C 向量表示一组数字 数学符号囷字符的等价 从数学符号到字符的转换或者反过来可以遵循一些规则，为了便于今后引用我们将这些规则列出为了从数学符号变为MATLAB符号鼡户需要： 变上标为细胞数组标号 例如 变下标为圆括号标号 例如 和 变圆括号标号为二维数组标号 例如 变数学运算符为MATLAB 运算符和工具箱函数 唎如 2．神经元模型 单神经元 下图所示为一个单标量输入且无偏置的神经元。 这个输入标量通过乘以权重为标量w的连