根据上文，

1. 构建神经网络

用nntool或feedforwardnet函数构建神经网络。指定网络的层数、每层的节点数、激活函数等参数。

matlab net = feedforwardnet;

2. 设置神经网络参数

设置训练参数， 如学率、训练迭代次数等。

matlab net.divideParam.trainRatio = 0.8; net.divideParam.valRatio = 0.1; net.divideParam.testRatio = 0.1; net.trainParam.epochs = 100;

3. 训练神经网络

用train函数进行训练。

matlab = train;

4. 评估性Neng

用confusionmat、 roc、crossvalind等函数评估网络的性Neng。

matlab y_pred = net; = confusion; acc = sum) / sum); = perfcurve; plot;

5. 优化网络

调整学率、 处罚项、正则化等参数，搞优良网络性Neng。

matlab net.trainParam.eta = 0.01; net.performParam.normalization = 'zscore'; net.performParam.earlyStopping = true;

6. 用网络进行预测

用训练优良的网络进行预测。

matlab outputs = net;