神经网络工具箱，神经网络拟合工具箱NNFit是10.0版新增加的工具箱，不同于1stOpt已有的相对独立的神经网络工具箱NeuralPower，全新的神经网络拟合工具箱NNFit与1stOpt完全无缝融为一体，其可视化神经网络设计界面，不仅可帮助用户快速了解掌握该工具箱的使用方法和设计过程，还可以产生1stOpt标准运行代码。
神经网络工具箱说明简介
通过产生的代码用户还可以清晰了解详细全面的计算流程甚至完整的拟合模型公式（虽然公式有时非常长），打破神经网络“黑箱”论的谬传，并且，拟合训练后的模型可方便迁移和再现，实用性显著增强。
在熟悉并掌握可视化设计后，仅用一句代码即可实现复杂神经网络拟合计算，再结合1stOpt特有的全局优化算法，在无预设拟合模型公式的情况下，几乎可以拟合任何复杂形式的数据并得到满意的结果。
神经网络工具箱操作步骤
点击工具条上的“APP”，在其中找到Netrual Net Fitting 这个应用程序并打开，来创建拟合BP神经网络。
（此处在机器学习分类里的其他的工具箱也可创建不同的模型，例如深度学习、SOM神经网络等等）打开后可看到简介，点击右下方next。导入用于训练的输入数据和输出数据。
设置训练集、验证集和测试机的样本比例，一般直接用matlab默认的就行，无需修改。
设置隐藏层神经元的个数。在本Netrual Net Fitting工具箱里隐藏层层数是1，所以只设置神经元个数。
神经网络工具箱关键技巧
神经网络数据可直接在拟合数据表格录入，数据表格分为“训练数据”表格和“验证数据”表格，均可以录入多组数据。
验证数据将仅用于训练结果实时验证，对训练结果不起任何影响，主要通过关键字“DataFileWeight”控制，对应值为0的数据将被视为验证数据。
神经网络工具箱点评
到了matlab2021b版本，MATLAB的神经网络工具箱进行了汉化，界面以及预测方法也和原来的版本有了很大的区别，如果直接使用以前的代码将会报错。
