Matlab神经网络算法是用来干什么的？

　　Matlab神经网络算法是一种用于模拟和解决复杂问题的计算工具。它通过模拟和模仿人脑神经元间的相互连接和信息传递方式，可以处理基于大量数学模型和数据的问题。

　　这些算法可以用于分类、预测、模式识别等领域，如图像识别、语音识别、数据挖掘等。

　　利用神经网络算法，可以实现对大规模数据进行处理和分析，从而提取出隐藏在数据背后的模式和关联性。

　　神经网络算法是用来模拟人脑学习的算法，可以用在人工智能，用于机器自主学习

　　matlab神经网络工具箱怎么使用训练好的神经网络？

　　使用神经网络工具箱可以非常简便地实现网络建立和训练，实例代码如下：；

　　%% BP算法function Out=bpnet(p,t,p_test)%p,t为样本需要提前组织好global S1net=newff(minmax(p),[S1,8],{'tansig','purelin'},'trainlm')

　　; %trainlm训练函数最有效%net=newff(P,T,31,{'tansig','purelin'},'trainlm')

　　;%新版用法net.trainParam.epochs=1000;net.trainParam.goal=0.00001;net.trainParam.lr=0.01;net.trainParam.showWindow = false; %阻止训练窗口的弹出net.trainParam.showCommandLine = false; %阻止训练窗口的弹出net=train(net,p,t)

　　;Out=sim(net,p_test)

　　;end；上面的代码不完整，完整的带训练样本数据的程序见附件。