GUI屬於神經網路工具箱

1. matlab 神經網路工具箱 GUI使用指南

在matlab的幫助中有詳細資料

2. matlab中的神經網路問題，編程和用自帶gui工具箱的功能是一樣的嗎，為什麼好多資料都是編程的

是一樣的，gui工具箱只是對象化了，對不熟悉函數的人便於操作，實際上都是調用的同一個函數。
如果熟練後，編程計算更加方便快捷，不用再gui裡面一個個點。
希望對你有幫助

3. 請問在哪能下的matlab的神經網路工具箱

MATLAB的神經網路工具箱是內置的，如果完全安裝了MATLAB，那麼你可以在MATLAB的幫助頁面上（幫助頁面可以在Comand Window下輸入'help help '(不名括單引號)，然後看Contents里有 Neural Network Toolbox。

神經網路工具箱有個教學GUI，可以在Comand Window下輸nnd'(不名括單引號，小寫)(因為這個教學GUI是和一本書結合的，這本書叫Neural Network Design，作者Martin T.Hagan,Howard B.Demuth，強烈推薦學習這本經典教材，會讓你入門並稍有進階)

我也是學習ANN的哈，加油

4. 哪個版本的matlab有神經網路工具箱

一般都有的，輸入nntool可以使用matlab神經網路GUI界面的工具箱，也可以自己在M文件編程，現在一般matlab裡面都有神經網路的相關函數，直接調用的，很方便

5. 在哪能下的matlab的神經網路工具箱

MATLAB的神經自網路工具箱是內置的，如果完全安裝了MATLAB，那麼你可以在MATLAB的幫助頁面上（幫助頁面可以在Comand Window下輸入'help help '(不名括單引號)，然後看Contents里有 Neural Network Toolbox。

神經網路工具箱有個教學GUI，可以在Comand Window下輸nnd'(不名括單引號，小寫)(因為這個教學GUI是和一本書結合的，這本書叫Neural Network Design，作者Martin T.Hagan,Howard B.Demuth，強烈推薦學習這本經典教材，會讓你入門並稍有進階)

6. MATLAB神經網路工具箱中newcf 和newff的區別

這兩個已經是舊版了，新版神經網路工具箱里的分別是
cascadeforwardnet 和feedforwordnet，
即 Cascade forward neural network 和 Feedforward neural network
想了解更多，在命回令行窗口裡help就可以答了。

7. MATLAB哪些工具箱有GUI

GUI通常以tool.m結尾。由matlabroot命令獲取matlab的根目錄，在根目錄的toolbox文件夾下搜索 *tool.m可以看到其他的GUI。

8. matlab神經網路工具箱具體怎麼用

為了看懂師兄的文章中使用的方法，研究了一下神經網路
昨天花了一天的時間查怎麼寫程序，但是費了半天勁，不能運行，網路知道里倒是有一個，可以運行的，先貼著做標本

% 生成訓練樣本集
clear all;
clc;
P=[110 0.807 240 0.2 15 1 18 2 1.5;
110 2.865 240 0.1 15 2 12 1 2;
110 2.59 240 0.1 12 4 24 1 1.5;
220 0.6 240 0.3 12 3 18 2 1;
220 3 240 0.3 25 3 21 1 1.5;
110 1.562 240 0.3 15 3 18 1 1.5;
110 0.547 240 0.3 15 1 9 2 1.5];
0 1.318 300 0.1 15 2 18 1 2];
T=[54248 162787 168380 314797;
28614 63958 69637 82898;
86002 402710 644415 328084;
230802 445102 362823 335913;
60257 127892 76753 73541;
34615 93532 80762 110049;
56783 172907 164548 144040];
@907 117437 120368 130179];
m=max(max(P));
n=max(max(T));
P=P'/m;
T=T'/n;
%-------------------------------------------------------------------------%
pr(1:9,1)=0; %輸入矢量的取值范圍矩陣
pr(1:9,2)=1;
bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm');
%建立BP神經網路， 12個隱層神經元，4個輸出神經元
%tranferFcn屬性 'logsig' 隱層採用Sigmoid傳輸函數
%tranferFcn屬性 'logsig' 輸出層採用Sigmoid傳輸函數
%trainFcn屬性 'traingdx' 自適應調整學習速率附加動量因子梯度下降反向傳播演算法訓練函數
%learn屬性 'learngdm' 附加動量因子的梯度下降學習函數
net.trainParam.epochs=1000;%允許最大訓練步數2000步
net.trainParam.goal=0.001; %訓練目標最小誤差0.001
net.trainParam.show=10; %每間隔100步顯示一次訓練結果
net.trainParam.lr=0.05; %學習速率0.05
bpnet=train(bpnet,P,T);
%-------------------------------------------------------------------------
p=[110 1.318 300 0.1 15 2 18 1 2];
p=p'/m;
r=sim(bpnet,p);
R=r'*n;
display(R);

運行的結果是出現這樣的界面

點擊performance，training state，以及regression分別出現下面的界面

再搜索，發現可以通過神經網路工具箱來創建神經網路，比較友好的GUI界面，在輸入命令裡面輸入nntool，就可以開始了。

點擊import之後就出現下面的具體的設置神經網路參數的對話界面，
這是輸入輸出數據的對話窗

首先是訓練數據的輸入

然後點擊new，創建一個新的神經網路network1，並設置其輸入輸出數據，包括名稱，神經網路的類型以及隱含層的層數和節點數，還有隱含層及輸出層的訓練函數等

點擊view，可以看到這是神經網路的可視化直觀表達

創建好了一個network之後，點擊open，可以看到一個神經網路訓練，優化等的對話框，選擇了輸入輸出數據後，點擊train，神經網路開始訓練，如右下方的圖，可以顯示動態結果

下面三個圖形則是點擊performance，training state以及regression而出現的

下面就是simulate，輸入的數據是用來檢驗這個網路的數據，output改一個名字，這樣就把輸出數據和誤差都存放起來了

在主界面上點擊export就能將得到的out結果輸入到matlab中並查看

下圖就是輸出的兩個outputs結果

還在繼續挖掘，to be continue……