1 引 言

神經網絡工具箱擴充了Matlab的設計、應用、顯示和仿真神經網絡的工具。如今神經網絡能夠用來解決常規計算機和人難以解決的問題，神經網絡已經在各個領域中應用，以實現各種復雜的功能。這些領域包括：模式識別、非線性系統鑒定和系統控制。神經網絡工具箱除了提供方便用戶設計和管理網絡的可視化接口(GUI)外，還提供了大量已經證實的網絡設計的支持。標準、開放、可擴張的工具箱設計方便了用戶自定義函數和網絡的生成。

像生物學神經系統一樣，一個神經網絡會學習，因此，也就可以被訓練去解決問題，識別模式，劃分數據和預測事態發展。神經網絡的行為由它的各個計算參數的結合方式以及它們的權重來決定。一般的神經網絡都是可調節的，或者說可訓練的，這樣一個特定的輸入便可得到要求的輸出。這里，網絡根據輸出和目標的比較而調整，直到網絡輸出和目標匹配。神經網絡工具GUI使神經網絡變得簡單，它使你能夠導人大量復雜的數據，并能夠很快地產生、初始化、訓練、仿真和管理網絡。簡單的圖像表示有助于明確和理解網絡的結構。因為神經網絡需要復雜的矩陣計算，Matlab提供一個神經框架，幫助快速地使用神經網絡和學習它們的行為和應用。

文獻[5]討論了用擴充的神經系統工具的方法在仿真環境里解決現存的問題。這種新方法簡化了網絡結構，并且也實現對其他軟件工具的利用。目前還沒有論文公開討論NNT在同步機制中的應用，而這一部分的研究也是具有現實意義的。

2 Matlab神經網絡工具箱

NNT使在Matlab中使用神經網絡變得簡單。其工具箱中包含了大量函數和網絡結構框圖(圖1是一個簡單的神經網絡框圖，圖中獨立的符號簡化了對網絡結構的理解)，因此，這里不需要介紹所有的將用到的函數、訓練算法等。

2.1 NNT的結構

工具箱是基于網絡對象的。網絡對象包括關于神經網絡的所有信息，例如：網絡的層數和結構、層與層之間的連接等。Matlab提供了高等網絡層的創建函數，比如：newlin(創建一個線性層)，newp(創建一個感知機)，newff(創建一個反向傳播網絡)等。舉例說明，這里創建了1個感知機，2個輸入向量p1=[0 1]，p2=[-2 2]，神經元數為1。