人工神经网络是在对复杂的生物神经网络研究和理解的基础上发展起来的。人脑是由大约 1011个高度互连的单元构成，这些单元称为神经元，每个神经元约有 104个连接。仿照生物的神经元，可以用数学方式表示神经元，引入人工神经元的概念，并由神经元的互连可以定义出不同种类的神经网络。限于当前的计算机水平，人工神经网络不可能有人脑那么复杂。本节将首先介绍人工神经元和人工神经网络的数学结构，然后介绍神经网络的建立、训练与泛化的概念以及 MATLAB 语言的神经网络工具箱在解决这些问题中的应用，最后介绍一个用户界面来利用神经网络求解数据拟合中的问题。 
利用 MATLAB 语言的神经网络工具箱提供的现成函数和神经网络类，建立一个前馈的 BP 神经网络模型还是很容易的，可以使用 feedforwardnet() 函数，该函数具体的调用格式为 net = feedforwardnet(h,f )。 
若建立了神经网络模型 net，则可以调用 train() 函数对神经网络参数进行训练。该函数的调用格式为[net,tr,Y1,E]=train(net,X,Y )。 
MATLAB 的神经网络工具箱提供了一个可以直接使用的程序。在 MATLAB 命令窗口中给出 nntool 命令，打开一个如图 10-28 所示的图形用户界面，可以用该界面建立所需的神经网络模型，并可以由已知数据对该网络进行训练、仿真。下面将通过例子演示神经网络图形界面的使用。