目录
一、引言二、神经网络的实现和使用方式（一) DeepLearningToolbox（二）Deep Network Designer APP（三）Neural Net APP
一、引言
神经网络的实现在Matlab上已经来说相对比较完善了。被封装成了很多工具箱，可以直接的快速上手，去实现一个Demo。正是因为太完善，实现和使用神经网络的方式有很多种。一一介绍都是怎么使用的。
二、神经网络的实现和使用方式
（一) DeepLearningToolbox
安装 这个是安装Matlab的时候默认安装的工具箱。如果没有，在附加资源管理器中搜索，点击安装就行。 封装好的神经网络工具箱函数 在此工具箱里有许许多多的封装好的神经网络。可以直接调用函数就可以使用。比如：
newlin 线性神经网络newgrnn 广义回归神经网络 GPNNnewpnn 概率神经网络 PNNnewff BP神经网络RBF神经网络通用函数 newrb, newrbenewc 竞争神经网络nowsom SOM神经网络
BP神经网络举例使用
%% I. 清空环境变量
clear all
clc
%% II. 训练集/测试集产生
%%
% 1. 导入数据
load spectra_data.mat
%%
% 2. 随机产生训练集和测试集
temp = randperm(size(NIR,1)); %打乱60个样本排序
% 训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
% 测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);
%% III. 数据归一化
[p_train, ps_input] = mapminmax(P_train,0,1);
p_test = mapminmax('apply',P_test,ps_input);
[t_train, ps_output] = mapminmax(T_train,0,1);
%% IV. BP神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newff(p_train,t_train,9); %9是隐含层神经元的个数（大家改改测试下结果影响），连接权值是3628，讲一下怎么计算得到的
%%
% 2. 设置训练参数
net.trainParam.epochs = 1000; %迭代次数
net.trainParam.goal = 1e-3; %mse均方根误差小于这个值训练结束
net.trainParam.lr = 0.01; %学习率
%%
% 3. 训练网络
net = train(net,p_train,t_train);
%%
% 4. 仿真测试
t_sim = sim(net,p_test); %返回10个样本的预测值
%%
% 5. 数据反归一化
T_sim = mapminmax('reverse',t_sim,ps_output); %反归一化结果
%% V. 性能评价
%%
% 1. 相对误差error
error = abs(T_sim - T_test)./T_test;
%%
% 2. 决定系数R^2
R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((T_test).^2) - (sum(T_test))^2));
%%
% 3. 结果对比
result = [T_test' T_sim' error'] %输出真实值，预测值，误差
%% VI. 绘图
figure
plot(1:N,T_test,'b:*',1:N,T_sim,'r-o')
legend('真实值','预测值')
xlabel('预测样本')
ylabel('辛烷值')
string = {'测试集辛烷值含量预测结果对比';['R^2=' num2str(R2)]};
title(string)
BP神经网络Demo下载密码: h4iv
（二）Deep Network Designer APP
第二种是使用过 APP去设计神经网络
打开APP
设计神经网络 可以用现成的网络，比如googlenet、alexnet等等，自行去百度查一下，在command window区域输入googlenet,然后打开APP就可以导入网络，下图就是导入的googlenet。也可以自己设计神经网络结构，拖动左边的图标各个结构到工作区，然后用鼠标点击连接起来。可以导出到工作空间或者生成相应的代码。 随便搭建一个网络，生成的神经网络代码如下
layers = [ ...
imageInputLayer([28 28 1])
convolution2dLayer(5,20)
reluLayer
maxPooling2dLayer(2,'Stride',2)
fullyConnectedLayer(10)
softmaxLayer
classificationLayer];
神经网络使用举例 完整的使用一个神经网络可以在command window区域直接输入以下命令，就可以在自己的平台跑一个Demo。详细讲解可参考官网的 TrainNetwork使用讲解以及使用案例
openExample('nnet/ConstructAndTrainAConvolutionalNeuralNetworkExample')
（三）Neural Net APP
打开APP 第一种方式:在APP处搜neural net就会显示出来，有多种选择，每个有什么区别，参考我另一篇博客Matlab神经网络的几个工具箱nntool、nftool、nctool、ntstool与nprtool的区别与使用 第二种方式：在command window输入nntool、nctool、nfttool、ntstool、nprtool。就可以打开。以nntool为例。 Neural Net APP的使用
这个APP是完全封装死了的，只需要训练集测试机就可以出数据。具体使用可以参考
B站演示nftool工具箱的使用B 站演示nntool工具箱的使用