Configure：配置网络输入和输出,以达到最好的匹配输入和目标数据。使用这个质量可以减少训练次数，减少训练时间。用法：net = configure(net,x,t)net = configure(net,x)net = configure(net,‘inputs’,x,i)net = configure(net,‘outputs’,t,i)例：[x,t] = simplefit_datase

1.从官网下载fiddler classic（免费）网址：https://www.telerik.com/fiddler如下图操作：2.安装fiddler classic（1）直接双击打开，安装仅需两步；点击I Agree（2）将C盘改为D盘，其他保持不变，点击"Install"(3）安装完毕，点击close3.下载fiddler证书地址：http://www.telerik.com/docs/d

matlab神经网络入门不是很简单吗？废话不多说，直接例子。例：x = [0 1 2 3 4 5 6 7 8];t = [0 0.84 0.91 0.14 -0.77 -0.96 -0.28 0.66 0.99];%初始数据输入和输出；plot(x,t,‘o’)net = feedforwardnet(10);%前馈型神经网络net = configure(net,x,t);% 配置网络输入和输出

（1）Regression下面的回归图显示了网络输出对培训、验证和测试集的目标。为了完美的配合,数据应该沿着45度的线下降,网络输出等于目标。对于这个问题,fit对所有数据集都有一定的好处,在每一个情况下,R值在0.93或以上。如果需要更准确的结果,您可以通过在nftools中单击retrain来重新训练网络。这将改变网络的初始权重和偏差,并可能在重新培训后产生一个改进的网络。其他选项在以下窗格中

pattern recognization（模式识别）基本内容与neural network fitting tool一致；选择pattern recognize APP，next，next；导入所需要的数据，在input和output里面，本文使用系统自带案例；点击next，调整参数，直到训练；点击训练，依然相同；主要是nntraintool有所不同confusion绿色区表示正确的参数量和比例