MATLAB 图形用户界面功能:
—— 作者：强哥1573：2017-09-01
nnstart - 神经网络启动GUI
nctool - 神经网络分类工具
nftool - 神经网络的拟合工具
nntraintool - 神经网络的训练工具
nprtool - 神经网络模式识别工具
ntstool - NFTool神经网络时间序列的工具
nntool - 神经网络工具箱的图形用户界面。
查看 - 查看一个神经网络。
网络的建立功能。
cascadeforwardnet - 串级，前馈神经网络。
competlayer - 竞争神经层。
distdelaynet - 分布时滞的神经网络。
elmannet - Elman神经网络。
feedforwardnet - 前馈神经网络。
fitnet - 函数拟合神经网络。
layrecnet - 分层递归神经网络。
linearlayer - 线性神经层。
lvqnet - 学习矢量量化（LVQ）神经网络。
narnet - 非线性自结合的时间序列网络。
narxnet - 非线性自结合的时间序列与外部输入网络。
newgrnn - 设计一个广义回归神经网络。
newhop - 建立经常性的Hopfield网络。
newlind - 设计一个线性层。
newpnn - 设计概率神经网络。
newrb - 径向基网络设计。
newrbe - 设计一个确切的径向基网络。
patternnet - 神经网络模式识别。
感知 - 感知。
selforgmap - 自组织特征映射。
timedelaynet - 时滞神经网络。
利用网络。
网络 - 创建一个自定义神经网络。
word
1 / 16 Matlab工具箱中的BP与RBF函数
Matlab神经网络工具箱中的函数非常丰富，给网络设置适宜的属性，可以加快网络的学习速度，缩短网络的学习进程。限于篇幅，仅对本章所用到的函数进展介绍，其它的函数与其用法请读者参考联机文档和帮助。
1 BP与RBF网络创建函数
在Matlab工具箱中有如表1所示的创建网络的函数，作为示例，这里只介绍函数newff、newcf、newrb和newrbe。
表 1 神经网络创建函数
函数名 含 义
newcf 创建一个前向层叠(cascade-forward)BP网络
newff 创建一个前馈(feed-forward)BP网络
newrb 设计一个径向基网络
newrbe 设计一个精细径向基网络
(1) newff函数
功能：创建一个前馈BP神经网络。
调用格式：net = newff(PR,[S1 S2...SNl],{TF1
TF2...TFNl},BTF,BLF,PF)
参数说明：
PR - R个输入的最小、最大值构成的R×2矩阵；
Si–SNI层网络第i层的神经元个数； word
2 / 16 TFi - 第i层的传递函数，可以是任意可导函数，默认为 'tansig'，可设置为logsig，purelin等；
BTF -反向传播网络训练函数， 默认为 'trainlm'，可设置为trainbfg，trainrp，traingd等；
BLF -反向传播权值、阈值学习函数，默认为 'learngdm'；
PF -功能函数，默认为'mse'；
(2) newcf函数
功能：创建一个N层的层叠(cascade)BP网络
调用格式：net = newcf(Pr,[S1 S2...SNl],{TF1
TF2...TFNl},BTF,BLF,PF)
参数同函数newff。
(3) newrb函数
MATLABNeuralNetworkToolbox使用教程
第一章：MATLAB简介和Neural Network Toolbox概述
MATLAB是一种强大的数值计算软件，广泛应用于科学计算、数据分析和工程设计等领域。在MATLAB的众多工具箱中，Neural Network Toolbox（神经网络工具箱）是一款重要且强大的工具，用于构建和训练神经网络模型。
本章将从MATLAB的引入开始，介绍Neural Network Toolbox的概述和重要性，为后续章节做好铺垫。
第二章：Neural Network Toolbox安装和加载
在本章中，将介绍如何安装Neural Network Toolbox并加载相关的函数和工具。首先，从MathWorks官方网站下载最新版本的MATLAB软件，并完成安装。然后，通过MATLAB软件的"Add-Ons"管理界面，找到Neural Network Toolbox并进行安装。最后，通过命令行或图形界面方式，加载Neural Network Toolbox以便后续使用。
第三章：建立神经网络模型
本章将介绍如何使用Neural Network Toolbox创建一个由多个神经元构成的神经网络模型。首先，需在MATLAB中创建一个新的神经网络对象，通过指定网络的层数和每层的神经元数量来定义网络结构。接着，可以选择不同的激活函数和训练算法，并设置相关的参数。最后，通过操作神经网络对象的属性，进行网络模型的定义和配置。
第四章：数据准备和特征提取
神经网络的性能很大程度上依赖于输入数据的质量和特征提取的能力。本章将介绍如何对原始数据进行处理和准备，以便于神经网络的训练和测试。具体而言，将介绍如何进行数据预处理、特征缩放、特征选择和特征转换等操作，以提取出对神经网络训练有意义的特征。
第五章：网络训练和优化
本章将详细介绍神经网络的训练和优化过程。首先，将介绍常见的训练算法，如反向传播算法、梯度下降法和随机梯度下降法等。然后，将介绍如何设置合适的学习率、迭代次数和正则化参数，以提高网络的性能和泛化能力。最后，将介绍如何评估训练结果，并进行网络的调优和模型的选择。
MATLAB神经⽹络⼯具箱在河流⽔质预测中的应⽤
五⾢⼤学学报（⾃然科学版） JOURNAL OF WUYI UNIVERSITY ( Natural Science Edition) 第23卷 第1期2009年 2⽉ V ol.23 No.1Feb. 2009⽂章编号：1006-7302（2009）01-0069-05
MATLAB 神经⽹络⼯具箱在河流⽔质
预测中的应⽤
陈 龙1，张新政1，袁从贵1，宋华兵1,2
（1. ⼴东⼯业⼤学 ⾃动化学院，⼴东 ⼴州 510009；2. 肇庆学院 数学系，⼴东 肇庆 526061）
摘要：根据计算河流⽔质的数学模型，使⽤MATLAB 神经⽹络⼯具箱建⽴了河流⽔质预测系
统的神经⽹络，并以长期监测的珠江流域东江⽔质状况为例，对建⽴的⽹络系统进⾏了仿真，
结果表明了⽅法的有效性.
关键词：神经⽹络；⽔质预测；MATLAB
中图分类号：N945.12；TP275 ⽂献标识码：AApplication of MATLAB Neural Network’ Tool-box in River Water Quality Prediction
CHEN Long 1, ZHANG Xin-zheng 1, YUAN Cong-gui 1, SONG Hua-bing 1,2
(1. Guangdong University of Technology, Guangzhou 510090, China;
2. Mathematics Department of Zhaoqing University, Zhaoqing 526061, China)
Abstract: A neural network for predicting river water quality is built based on a
mathematical model for determining river water quality by using the GUI in the MATLAB
