❶ 哪个版本的matlab有神经网络工具箱
一般都有的，输入nntool可以使用matlab神经网络GUI界面的工具箱，也可以自己在M文件编程，现在一般matlab里面都有神经网络的相关函数，直接调用的，很方便
❷ 在哪能下的matlab的神经网络工具箱
MATLAB的神经自网络工具箱是内置的，如果完全安装了MATLAB，那么你可以在MATLAB的帮助页面上（帮助页面可以在Comand Window下输入'help help '(不名括单引号)，然后看Contents里有 Neural Network Toolbox。
神经网络工具箱有个教学GUI，可以在Comand Window下输nnd'(不名括单引号，小写)(因为这个教学GUI是和一本书结合的，这本书叫Neural Network Design，作者Martin T.Hagan,Howard B.Demuth，强烈推荐学习这本经典教材，会让你入门并稍有进阶)
❸ 如果选用神经网络工具箱进行仿真结果如何如何进行仿真
选用神经网络工具箱进行仿真结果偏差较小，步骤如下：
1、将实际问题抽象成神经网络求解所能接受的数据形示。
2、确定网络模型，选择网络的类型、结构等，选择网络参数，如神经元数，隐含层数等。
3、确定训练模式，选择训练算法，确定训练步数，指定训练目标误差芦轮等。
4、选择合适的训练样本进行网络测运哗姿试。
神经网络工具箱，就是其在模拟人的大脑，把每一旁绝个节点当作一个神经元，这些“神经元”组成的网络就是神经网络。
❹ matlab 有没有模糊神经网络工具箱
有，工具箱名称：anfisedit，以下是一些使用说明。
1． GUI工具
Anfisedit 打开ANFIS编辑内器GUI、Fuzzy 调用容基本FIS编辑器、Mfedit 隶属度函数编辑器、Ruleedit 规则编辑器和语法解析器、Ruleview 规则观察器和模糊推理方框图、Surfview输出曲面观察器
2． 隶属度函数
dsigmf 两个sigmoid型隶属度函数之差组成的隶属度函数、gauss2mf 建立两边型高斯隶属度函数、gaussmf 建立高斯曲线隶属度函数、gbellmf 建立一般钟型隶属度函数、pimf 建立Π型隶属度函数、psigmf 通过两个sigmoid型隶属度函数的乘积构造隶属度函数、smf 建立S-型隶属度函数、sigmf
建立Sigmoid型隶属度函数、trapmf 建立梯形隶属度函数、trimf 建立三角形隶属度函数、zmf 建立Z-型隶属度函数
❺ matlab神经网络工具箱具体怎么用
为了看懂师兄的文章中使用的方法，研究了一下神经网络
昨天花了一天的时间查怎么写程序，但是费了半天劲，不能运行，网络知道里倒是有一个，可以运行的，先贴着做标本
% 生成训练样本集
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; %输入矢量的取值范围矩阵
pr(1:9,2)=1;
bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm');
%建立BP神经网络， 12个隐层神经元，4个输出神经元
%tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数
%tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数
%trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数
%learn属性 'learngdm' 附加动量因子的梯度下降学习函数
net.trainParam.epochs=1000;%允许最大训练步数2000步
net.trainParam.goal=0.001; %训练目标最小误差0.001
net.trainParam.show=10; %每间隔100步显示一次训练结果
net.trainParam.lr=0.05; %学习速率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);
运行的结果是出现这样的界面
点击performance，training state，以及regression分别出现下面的界面
再搜索，发现可以通过神经网络工具箱来创建神经网络，比较友好的GUI界面，在输入命令里面输入nntool，就可以开始了。
点击import之后就出现下面的具体的设置神经网络参数的对话界面，
这是输入输出数据的对话窗
首先是训练数据的输入
然后点击new，创建一个新的神经网络network1，并设置其输入输出数据，包括名称，神经网络的类型以及隐含层的层数和节点数，还有隐含层及输出层的训练函数等
点击view，可以看到这是神经网络的可视化直观表达
创建好了一个network之后，点击open，可以看到一个神经网络训练，优化等的对话框，选择了输入输出数据后，点击train，神经网络开始训练，如右下方的图，可以显示动态结果
下面三个图形则是点击performance，training state以及regression而出现的
下面就是simulate，输入的数据是用来检验这个网络的数据，output改一个名字，这样就把输出数据和误差都存放起来了
在主界面上点击export就能将得到的out结果输入到matlab中并查看
下图就是输出的两个outputs结果
还在继续挖掘，to be continue……
❻ 如何用c#调用Matlab神经网络的工具箱
如果是用Matlab提供的GUI界面，在命令窗口输入命令nntool回车即可。 建议不要用GUI界面，直接在代码中调用神经网络工具箱，使用更方便，参数设置更明了。神经网络工具箱提供多个函数接口，不同的神经网络对应不同的函数
❼ matlab怎么打开神经网络工具箱
在命令窗口输入nnstart，即可出现神经网络的GUI界面
❽ matlab怎么打开神经网络工具箱
1单击Apps，在搜索框中输入neu，下方出现了所有神经网络工具箱。neural net fitting 是我们要使回用的神答经网络拟合工具箱。
2
在下界面中点击next
3
单击load example data set，得到我们需要的测试数据。
4
单击import
5
单击next
6
单击next
7
数字“10”表示有10个隐含层。单击next。
8
单击train，开始训练。
9
训练过程跳出的小窗口。
10
训练结果。其中MSE表示均方差，R 表示相关系数。单击next。
11
这里可以调整神经网络，也可以再次训练。单击next。
12
在这里，可以保存结果。如果不需要，直接finish。
❾ matlab中的神经网络问题，编程和用自带gui工具箱的功能是一样的吗，为什么好多资料都是编程的
是一样的，gui工具箱只是对象化了，对不熟悉函数的人便于操作，实际上都是调用的同一个函数。
如果熟练后，编程计算更加方便快捷，不用再gui里面一个个点。
希望对你有帮助