神经网络工具箱，首先，我们知道，人工神经网络（ANN）是一种模拟大脑神经网络工作的一种算法，网络由若干神经元连接而成，每个神经元包含一些列的输入变量xi，权重Wki，偏置bk和激活函数Ф等等。
Matlab自带的神经网络工具箱功能还蛮强大的，好像在Matlab 2010b以后的版本都有，操作步骤也非常简单。可以直接在APP栏下拉菜单机器学习工具里面找到，总共有四种工具箱可以选择。
神经网络工具箱简介
Deep Learning Toolbox 包含一系列算法、预训练模型和应用程序，为您设计和实现深度神经网络提供框架。您可以使用卷积神经网络 （ConvNet、CNN） 和长短期记忆 （LSTM） 网络，对图像、时间序列和文本数据执行分类和回归。您可以使用自动微分、自定义训练循环和共享权重构建网络架构，例如生成式对抗网络 （GAN） 和孪生网络。
神经网络工具箱说明
以拟合工具箱为例（我一般用的比较多），Fitting app也可以直接通过命令行“nftool”打开，基本界面就是这个样子，它是建立一个单隐藏层的神经网络来做数据拟合，输入和输出数据都可以是多维的，隐藏层的神经元个数可以自己调整。
接下来是对你的样本数据进行划分，划分成训练集、验证集和测试集，这可以根据自己需要设定，比如70%、15%、15%就是不错的选择，验证集和测试集的区别就在于验证集也是参与训练过程的，训练过程中在训练集训练好后会代入验证集进行验证，测试集就仅仅只是做个预测。
神经网络工具箱作用
您可以在单 GPU 或多 GPU 工作站上更快地训练模型（需要 Parallel Computing Toolbox），或者将运算扩展到集群和云，例如 NVIDIA® GPU Cloud 和 Amazon EC2® GPU 实例（需要 MATLAB Parallel Server）。
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’。
