在前面我们之前讲过神经网络拟合工具nftool的使用，连接如下
神经网络的工具箱有如下几种：
- nntool神经网络工具箱的图形用户界面。
- nftool是神经网络拟合工具
- nctool是聚类工具
- ntstool是时间序列工具
- nprtool是模式识别工具
今天我们讲解nntool神经网络工具箱的图形用户界面
1.打开MATLAB，在命令行输入nntool，将出现如下界面：
其中最主要的分为6个部分：第1部分中显示的是系统的输入数据；第2部分是系统的期望输出；第3部分是网络的计算输出；第4部分是网络的误差，即2和3之间的差异；第5部分呈现的是已经建立的神经网络实例；第6部分的两个按钮分别负责数据的导入和网络模型的建立。
2.点击“Import”按钮，分别导入输入数据与目标输出数据（数据可从工作区导入，也可从文件导入）：
导入数据后主界面的情况如下：
重要说明：神经网络的数据是以列为基本单位的，即输入与输出数据的列数必须相同，否则将报错！如果原先数据是以行为单位组织的话，可以先在MATLAB中实现转置然后再导入，即B = A’。
3.现在需要的数据已经有了，下一步就是建立一个神经网络模型对数据集进行学习。以下步骤以BP网络为例，首先点击“New”按钮，出现如下界面：
几个重要部分已在上图中框出：1处用于定义该神经网络的名称；2处用于选择神经网络的类型；3处用于选择网络的输入数据；4处用于确定网络的期望输出数据；5、6、7处分别对神经网络的主要机制函数进行设置；8处设置网络层数；9处用于选择各网络层（需要说明的是：第1层指的是隐含层而不是输入层），从而在10和11处可以对该层的神经元个数和传递函数进行设置；12处按钮可以用于查看当前所设置的神经网络的结构图（下附图）；点击13处按钮即可生成对应的神经网络模型。前面只是简单地介绍了各个部分的作用，具体参数应该如何设置就只有各位自行去学习相关的文献了，此处不再多言。
4.现在模型和数据都有了，下一步该进行模型的训练了。回到主界面如下：
选中我们刚才建立的神经网络模型，然后点击“Open”按钮，将会出现如下界面：
在这里主要介绍两个选项卡中的内容，一个是“Train”，另一个是“Adapt”。点击“Train”选项卡后做相应的设置即可进行神经网络的训练：
模型主要信息设置
模型具体参数设置
设置完所有信息后点击“TrainNetwork”按钮即可进行网络的训练了。训练完成后会有一个结果信息界面，如下：
5.OK，现在模型训练也结束了，那么下一步自然是要来验证我们训练的模型。先导入验证输入和验证输出，这一步不再重提。然后来到模型验证界面：
验证数据导入后
验证参数设置
红框1中设置网络的输入和验证输出；2中设置网络输出和误差情况的存储名；这些都完成之后点击“Adapt Network”后即可。此后会出现如下的提示界面：
此时界面中会多出红框所框出的两组数据，它们分别是网络的输出与对应的输出误差。具体的数据可以通过双击它们来打开查看。
