如何在matlab中通过GUI的方式来创建和训练一个神经网络？本文以一个汽油辛烷值的预测为例讲解。
首先，先将需要的数据等导入进来。
%% 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));
% 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
%%
% 1. 训练集
[Pn_train,inputps] = mapminmax(P_train);
Pn_test = mapminmax('apply',P_test,inputps);
%%
% 2. 测试集
[Tn_train,outputps] = mapminmax(T_train);
Tn_test = mapminmax('apply',T_test,outputps);这里，data.mat是封装好的数据，可以改换成你自己的数据。
然后通过命令启动GUI：
先选择Import，根据图示导入我们要的数据：
数据都导入后，就可以点击new来创建神经网络了。根据界面中的提示项，来设置好网络结构：
create之后我们就可以得到这个神经网络了：
这里我选的是第一层10个神经元，第二层就是输出层，就一个神经元，是线性**函数。
接下来就是点击上面的train选项，具体地设置一下训练的参数。
设置好后，点击右下角的train network！就可以看到如下图的训练窗口了：
训练好后，我们就可以进行仿真的预测。选择simulate选项：
仿真结束后，可以查看结果了：
接下来你看工作区就能找到结果已经导出了。
这个例子中，我输入一个这样的命令来更方便地查看结果：
[Tn_test' network1_outputs' network1_errors']
这就是一个简单操作流程了。
其实也无非是数据的导入、点击几个按钮完成训练、测试过程，然后查看结果罢了。
小伙伴们动手试一试吧！